论文部分内容阅读
目的：通过单因素和多因素分析探究判断孤立性肺结节(Solitary Pulmonary Nodule,SPN)性质的独立影响因素,构建一种判断SPN良恶性的数学预测模型。通过验证该模型的准确性,并与经典临床预测模型进行比较,为孤立性肺结节性质判断提供数学模型数据支持。方法：回顾性分析自2008年1月至2013年9月期间扬州大学临床医学院(江苏省苏北人民医院)收治的病理明确诊断的孤立性肺结节患者405例(A组),其中男性220例,女性185例。总结患者相关临床病史资料及影像学特征,通过逻辑回归分析遴选出与孤立性肺结节病理性质相关的独立影响因素,并建立数学预测模型。另收集2013年10月至2015年9月期间收治的病理明确诊断的孤立性肺结节患者168例(B组),其中男性90例,女性78例。应用B组资料,分别验证本模型对SPN良、恶性判断的敏感性和特异性。通过Hosmer-Lemeshow(H-L)检验判断本研究所建立的数学模型与经典数学预测模型的校准度,同时绘制ROC曲线,通过曲线下面积(AUC)检验各模型的预测能力,判断其临床应用价值。结果：单因素分析结果显示,患者年龄、吸烟史、吸烟量、既往肿瘤史、肿瘤家族史、结节直径、边界、毛刺、分叶、钙化、胸膜牵拉征及血管集束征在良性和恶性孤立性肺结节中的差异有统计学意义(P<0.05)。多因素Logistic回归分析显示,患者年龄、既往肿瘤病史、肿瘤家族史、结节大小、毛刺、分叶、边界模糊、胸膜牵拉征等8项因素在良恶性SPN之间的差异有统计学意义(P<0.05),是判断孤立性肺结节性质的独立影响因素。通过对A组资料的相关分析,建立的数学预测模型为P=ex/(1+ex),X=-6.402+(0.062×年龄)+(1.547×既往肿瘤史)+(1.195×肿瘤家族史)+(0.327×直径)+(1.040×毛刺)+(0.716×分叶)+(0.279×边界)+(1.934×胸膜牵拉征),其中e为自然对数。应用本模型预测孤立性肺结节良恶性的灵敏度为94.7%,特异度为76.4%,阳性预测值为89.2%,阴性预测值为87.5%。本研究所建立的模型、Mayo模型及VA模型的AUC分别为0.809±0.017、0.764±0.033、0.715±0.012。结论：1.患者年龄、吸烟史、吸烟量、既往肿瘤史、肿瘤家族史、结节直径、边界、毛刺、分叶、钙化、胸膜牵拉征及血管集束征与孤立性肺结节良恶性有关。其中,患者年龄、既往肿瘤病史、肿瘤家族史、结节大小、毛刺、分叶、边界模糊、胸膜牵拉征等8项因素是判断孤立性肺结节性质的独立影响因素。2.本研究建立的孤立性肺结节良恶性数学预测模型为：P=ex/(1+ex),X=-6.402+(0.062×年龄)+(1.547×既往肿瘤史)+(1.195×肿瘤家族史)+(0.327×直径)+(1.040×毛刺)+(0.716×分叶)+(0.279×边界)+(1.934×胸膜牵拉征)。3.本研究所建立的数学模型对孤立性肺结节良恶性判断具有较高的灵敏性和特异性,其预测能力和准确性均高于其他同类模型。