肝纤维化实验室诊断数学模型的构建及其临床应用研究

摘要

目的：对当前用于肝纤维化实验室诊断有关或者可能有关的血清学指标进行筛选，对照组织病理诊断结果，应用统计学的方法，构建肝纤维化实验室诊断的数学模型。使用该数学模型预测慢性肝病患者肝纤维化水平，验证所构建的数学模型的诊断效率，为肝纤维化的无创性诊断寻找新的途径。 方法：收集南京市第二医院2005年7月至2009年2月间行肝穿刺的270例慢性肝病患者的血清标本和实验室数据以及相关的临床资料，应用定量酶联免疫试验以及放射免疫分析等方法检测肝纤维化相关的细胞因子和基质代谢物。患者按照肝穿刺时间分为模型组和验证组，所有患者的各种指标共20项以及病理诊断结果输入计算机。按照肝纤维化程度(≥S2，≥S4)设定两个不同的研究终点，计算模型组各指标和肝纤维化分级的相关性以及诊断肝纤维化的曲线下面积，对指标进行单因素分析、多元logistic回归分析和Fish’s判别分析。筛选出对肝纤维化诊断有统计学意义的指标，构建肝纤维化诊断的数学模型，并在在验证组中验证该模型的诊断效率。 结果：在模型组，通过单因素分析和ROC曲线分析，20项相关指标中有13项在轻度纤维化的患者和明显纤维化的患者以及没有肝硬化的和肝硬化的患者之间存在显著性差异，12项指标诊断明显纤维化和肝硬化的AUC均大于0.7。其中年龄、血小板(PLT)、结缔组织生长因子(CTGF)、AST/ALT比值、GGT、透明质酸(HA)六项指标和肝纤维化分期有较强的相关性。通过逐步向前logistic回归分析，发现CTGF、AST/ALT、PLT、HA4项指标能够独立预测肝纤维化水平，通过该4项指标构建了一个数学模型，命名为“Fibroindex”。使用该模型在验证组诊断明显肝纤维化的ROC曲线下面积(AUC)为0.83(0.73-0.96)，预测肝硬化的AUC为：0.92(0.83-0.98)。使用CTGF、AST/ALT、PLT、HA、GGT这5项指标，Fish’s判别分析验证组明显纤维化的准确性为88.5％，判别肝硬化的准确性为93.2％。虽然两种模型均能够比较准确的预测肝纤维化和肝硬化，但是考虑到检测成本和使用的方便性，我们推荐使用logistic回归模型。 结论：使用logistic回归模型能够预测大多数的明显纤维化的患者和绝大多数的肝硬化患者，并且有较高的特异性和敏感性，可以在一定程度上替代肝组织学检查来监测慢性肝炎病人肝纤维化的动态变化；CTGF生物素—亲和素定量ELISA检测系统具有特异、敏感、快速、经济等优点，颇适于研究机构医院及基层医疗单位应用。

目录

文摘

英文文摘

声明

第一章绪论

1研究目的和意义

2研究方法和技术路线

第二章肝纤维化实验室数学模型的构建及临床应用研究

前言

1材料和方法

2结果

3.讨论

第三章血清结缔组织生长因子ELISA检测方法的建立及其初步临床应用研究

1材料和方法

2结果

3讨论

参考文献

第四章主要结论和展望

综述：肝纤维化非侵入性诊断研究进展

附录

致谢

攻读硕士学位期间发表的学术论文