论文部分内容阅读
目的:通过ROC曲线(receiver operator characteristic curve,ROC)评价细针吸取细胞学(fine needle aspiration cytology,FNAC)对腮腺肿物术前诊断的临床应用价值。方法:1、对2016—2018年148例由我院口腔科行FNAC检查的腮腺肿物病例,进行回顾性分析。2、以组织病理学的诊断结果作为金标准,统计腮腺肿物发病情况、疾病构成及良恶性比;计算FNAC诊断符合率,恶性肿物特异性、灵敏性、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)以及约登指数(Youden index,YI)等。3、利用SPSS 24.0软件绘制FNAC诊断腮腺良恶性肿物准确率的ROC曲线,并计算ROC曲线下方的面积(Area under the Curve of ROC,AUC)。4、结合PubMed数据库,分析粗针穿刺(needle core biopsy,CNB)安全性能及诊断肿物分型的现况,制作ROC曲线建立诊断模型,计算AUC值,并对比FNAC、CNB诊断价值。5、探讨FNAC新方向,分析其优缺点,并建立腮腺肿物的阶梯式程序诊断模型。结果:1、统计148例腮腺肿瘤中,男女例数依次为81、67,比值为1.21,年龄段12-87岁。除沃辛瘤男女比为9:1(27/3),其他病变男女比为0.84:1(54/64),两者间具有极其显著差异(?~2=18.892,P<0.001)。2、评估的148例腮腺肿物中,良性肿瘤有88例(59.5%),非肿瘤性病变较少仅有23例(15.5%),合计良性病变111例(75.0%),恶性肿瘤37例(25.0%)。3、FNAC诊断腮腺恶性、良性及非肿瘤性病变准确率分别为64.9%、78.4%、73.9%;诊断良恶性肿物符合率依次为98.9%、70.3%,YI为67.6%。FNAC诊断腮腺恶性肿瘤的灵敏性较低为70.3%,特异性较高为97.3%,PPV为89.7%,NPV为90.8%。4、绘制FNAC对腮腺肿物的ROC曲线诊断模型,得出AUC值为0.751(95%:CI 0.559~0.944),表明FNAC诊断腮腺肿物具有一定诊断价值。5、绘制FNAC对于腮腺良恶性肿物诊断准确率的ROC曲线,计算良恶性肿物的AUC值分别为0.833(95%CI:0.598~1.000)、0.681(95%CI:0.369~0.992)。表明FNAC诊断腮腺良性肿物有一定诊断价值,而对于腮腺恶性肿物比良性肿瘤诊断价值低。6、检索PubMed数据库CNB相关文献,对比CNB与FNAC的诊断差异,使用卡方检验,结果显示:诊断良性肿瘤分型时,差异有统计学意义(?~2=10.576,P<0.05);诊断恶性肿瘤分型时,两者间具有显著差异(?~2=36.169,P<0.01)。7、制作CNB与FNAC诊断涎腺肿物分型的ROC诊断模型,计算CNB、FNAC的AUC值分别为0.837(95%CI:0.688~0.985,P<0.01)、0.687(95%CI:0.492~0.822,P=0.064,P>0.05),表明FNAC对于肿瘤分型较低诊断意义,而CNB对于肿瘤分型具有较高的临床诊断价值。8、统计已发表的文献中显示:CNB引起的并发症甚少且程度轻微,与FNAC具有类似的安全性。结论:结合ROC曲线诊断模型发现,FNAC可用来初步辨别腮腺良恶性肿物,诊断腮腺良性肿物价值较高,但诊断腮腺恶性肿物价值较低,更不宜用来术前确定肿瘤的分型。然而,建立粗针穿刺ROC诊断涎腺肿瘤分型的模型,AUC值高达0.837,说明CNB可改善FNAC的局限性,且能够更精准定性肿物及其肿瘤分型。每种穿刺技术均有相应的优点,无法摒弃传统FNAC,同时也应接纳新起技术,以弥补其不足。同时建立阶梯式程序诊断,选择合适的诊断方法,以提高FNAC在腮腺肿瘤使用价值。