孤立性肺結節(jié)良惡性判斷的數學預測模型建立.pdf

1、第一部分孤立性肺結節(jié)良惡性判斷的數學預測模型建立
　　目的:通過多因素Logistic回歸分析方法篩選出與孤立性肺結節(jié)（solitarypulmonary nodules，SPN）惡性概率相關的臨床資料及影像資料，建立判斷SPN良惡性的數學預測模型。
　　方法:回顧性收集2011年1月至2011年12月在復旦大學附屬腫瘤醫(yī)院胸外科經手術切除并明確病理診斷的SPN患者資料共200例（A組），收集的資料包括臨床及影像學資料:年齡

2、（歲）、性別、病程（月）、臨床癥狀、吸煙史、吸煙指數（支年）、家族史、既往腫瘤史（5年內有肺內、外腫瘤史者剔除）;腫瘤最大徑、鈣化、毛刺（長毛刺、短毛刺）、分葉、邊界、空洞、支氣管充氣征、胸膜凹陷征、位置，通過多因素Logistic回歸分析方法對收集的資料進行分析與篩選。
　　結果:A組200例SPN中良性64例，惡性136例，多因素Logistic回歸分析結果顯示年齡、性別、鈣化、毛刺（長毛刺、短毛刺）、分葉、邊界是判斷SPN良

3、惡性的獨立影響因素。建立的SPN良惡性預測數學方程為:Y=ex/(1+ex)，X=-2.085+0.058×年齡-1.206×性別-2.157×鈣化+0.505×短毛刺+1.729×長毛刺+1.782×分葉-1.005×邊界。e為自然對數。截點T=0.636時，約登指數最大（約登指數=敏感性+特異性-1），此時模型的靈敏度80.1％，特異度78.1％，曲線下面積0.842±0.030，95％可信區(qū)間:0.784-0.900，陽性預測值9

4、0.4％，陰性預測值57.8％，總體預測準確率80％。其中，分葉征的OR值為5.944，鈣化和邊界是保護因素。
　　結論:年齡、性別、鈣化、毛刺、鈣化、分葉、邊界是影響SPN良惡性的獨立影響因素，本組數據通過Logistic回歸建立的SPN良惡性判斷數學預測模型診斷效能較高。
　　第二部分孤立性肺結節(jié)良惡性判斷數學預測模型的比較
　　目的:本研究旨在從臨床病例出發(fā)，分析比較目前已知的肺癌預測模型的診斷價值，以期更有效更

5、廣泛地指導臨床診治。
　　方法:收集2012年1月至2012年6月復旦大學附屬腫瘤醫(yī)院經胸外科手術切除且明確病理診斷的SPN患者資料供89例（B組），將B組患者的臨床及影像學特征納入目前國內外已知模型(Mayo clinical模型、VA模型、國內模型)，綜合評估肺癌可能性大小并對國內外模型進行比較。
　　結果:B組患者共89例，男性49例，女性40例，平均年齡59.28±10.92。本組模型曲線下面積為0.888，大于國內

6、另一組模型(0.773)、VA模型(0.729)及Mayo Clinical模型(0.701)。本組模型的特異性最高(94.4％)＞Mayo Clinical模型(88.9％)＞VA模型(72.2％)＞國內模型(66.7％)，國內模型的敏感性最高(88.7％)＞本組模型(83.1％)＞VA模型(78.9％)＞Mayo Clinical模型(45.1％)，P＜0.05，差異具有統(tǒng)計學意義。本組建立模型所收集的臨床及影像資料較以往任何一篇報