论文部分内容阅读
目的多发性骨髓瘤是血液系统中常见的恶性肿瘤,其发病率近年来逐年增高。当合并肾损伤时,多数患者表现为肾小球滤过率下降,从而易导致该部分患者首诊于肾内科,被误诊为肾脏疾病。本研究基于临床信息建立多发性骨髓瘤合并肾损伤和慢性肾脏病/肾病综合征的鉴别诊断模型,进而寻找疾病间鉴别更有效的模型以及探索疾病间的差异指标,为临床上疾病的准确诊断提供方法学依据,且进一步提高对疾病间检查指标差异的认识,为今后此类疾病的诊断提供辅助。方法研究对象为2019年1月-2019年12月在郑州市某三甲医院血液科收院在治的多发性骨髓瘤合并肾损伤患者77例,作为病例组;肾内科收院在治的肾脏疾病患者112例,包括30例慢性肾脏病患者和82例肾病综合征患者,作为对照组。同时,收集研究对象的临床资料包括人口学特征、临床症状、血生化指标和免疫学指标,并按3:1的比例将研究对象随机分成训练集和预测集。首先,采用t检验、χ2检验或非参数检验对临床信息进行单因素分析,确定纳入模型的变量;其次,以单因素分析有意义的变量作为输入变量,以患有多发性骨髓瘤合并肾损伤或肾脏疾病作为输出变量,利用训练集建立支持向量机(Support Vector Machines,SVM)、决策树(Decision Tree,DT)和人工神经网络(Artificial Neural Networks,ANN)模型,并利用预测集计算各模型的准确度和受试者工作特征曲线下面积(Areaunder receiver operating characteristic curve,AUC)等指标来评估模型的预测效果;最后,利用最优模型对对照组进行亚组分析及对该模型进行敏感性分析。上述分析采用 IBM SPSS Statistics 21.0、SPSS Clementine 12.0 和MedCaLc V11.6.0.0软件实现,为双侧检验,α=0.05。结果1.对病例组与对照组间的临床信息进行单因素分析发现:人口学特征中,平均年龄和高血压史在两组间的分布差异均有统计学意义(P<0.05);临床症状中,蛋白尿、贫血(头晕、乏力)、骨痛和下肢水肿在两组间的分布差异均有统计学意义(P<0.05);血生化指标中,血肌酐、β2-微球蛋白、白蛋白/球蛋白、乳酸脱氢酶(lactate dehydrogenase,LDH)和估计肾小球滤过率在两组间的分布差异均有统计学意义(P<0.05);免疫学指标中,M蛋白分型、血清游离轻链差值、IgA、IgG和IgM在两组间的分布差异均有统计学意义(P<0.05)。2.利用单因素分析有意义的指标,分别建立SVM、DT和ANN模型,各模型的预测准确度分别为0.843、0.902和0.941,AUC分别为0.822、0.879和0.932。其中,ANN模型的预测效果优于SVM模型(P=0.022)。3.利用ANN模型对对照组进行亚组分析。结果表明:在鉴别病例组与慢性肾脏病时,ANN模型的预测准确度和AUC分别为0.972和0.960;在鉴别病例组与肾病综合征时,ANN模型的预测准确度和AUC均为0.962。4.依据鉴别病例组和对照组的三个模型共有的重要指标包括下肢水肿、骨痛和LDH,对ANN模型进行敏感性分析。结果显示:与未剔除指标的ANN模型相比,剔除下肢水肿时,ANN模型的预测准确度和AUC分别为0.836和0.843,预测效果明显下降(P<0.001);剔除骨痛时,ANN模型的预测准确度和AUC分别为0.847和0.836,预测效果明显下降(P<0.001);剔除LDH时,ANN模型的预测准确度和AUC分别为0.873和0.869,预测效果也明显下降(P=0.003)。结论1.ANN模型对多发性骨髓瘤合并肾损伤和慢性肾脏病/肾病综合征间鉴别诊断的预测效果最好,这为临床上多发性骨髓瘤合并肾损伤和慢性肾脏病/肾病综合征的鉴别诊断提供方法学依据。2.下肢水肿、骨痛和LDH是鉴别多发性骨髓瘤合并肾损伤和肾脏疾病更重要的指标,这进一步提高了临床上对疾病间检查指标差异的认识以及优化了鉴别诊断时特征指标的选取。