孤立性肺结节良恶性判断数学预测模型的建立与验证

摘要

目的：
　　将与孤立性肺结节(solitary pulmonary nodules，SPN)性质相关的临床资料与影像资料，经过统计学方法（单因素和多因素）分析，探究建立与验证一种能够针对孤立性肺结节良恶性质的判断，起预测作用的数学模型。为判断孤立性肺结节的良恶性质，提供客观的模型支持，减少医生自身的理论水平、临床经验、判断能力等人为因素的影响，指导医生做出针对孤立性肺结节下一步干预措施的选择。
　　方法：
　　回顾性收集2005年1月至2014年12月期间，在青岛市市立医院集团经手术或非手术方式活检，获得明确病理诊断的孤立性肺结节患者资料356例（A组）。每一个病例的资料收集包括临床资料、影像学资料。临床资料包含患者的基本信息：年龄、性别;现病史：患者的症状、病程（月）;既往病史：肿瘤病史、合并肺部疾病史（慢性阻塞性肺疾病、特发性肺纤维化）;个人史：吸烟史（年）及吸烟量（支/日）;肿瘤家族史。影像学资料，即结节的影像表现描述，包括结节的生长位置，最大直径，是否存在钙化，边界清楚与否，有无空洞、毛刺、分叶，有无胸膜牵拉征、血管集束征。综合上述资料，通过逻辑回归分析筛选出可独立影响孤立性肺结节良恶病理性质的因素，构建可预判孤立性肺结节良恶性质的数学模型。另外收集2015年1月至2017年12月期间，在青岛市市立医院集团获得明确病理诊断的孤立性肺结节患者资料84例（B组），通过B组资料绘制ROC曲线，计算曲线下面积(AUC)，以检验该模型的预测能力，验证该模型对孤立性肺结节良恶性判断的敏感性和特异性。
　　结果：
　　通过对A组病例的资料进行单因素分析发现，恶性肺结节患者的年龄、个人史、既往病史、肿瘤家族史，以及结节的部分影像学特征，与良性肺结节患者之间的差异有统计学意义(P＜0.05)。多因素研究通过Logistic回归分析发现，恶性肺结节患者的年龄、既往病史，以及结节的部分影像学特征，与良性肺结节之间的差异有统计学意义(P＜0.05)，是判断孤立性肺结节良恶性质的独立影响因素。所收集的数据作为研究的数据支持，从而得到的预判孤立性肺结节良恶性质的数学模型为：SPN恶性预测值=ex/(1+ex)，x=一3.059+（0.051×年龄）+（1.327×既往肿瘤病史）+（1.065×合并肺部疾病史）+（0.627×直径）+（1.129×毛刺）+（0.932×分叶）+（-1.108×边界清楚）+（-1.982×钙化），其中e为自然对数。利用B组资料验证该数学模型预测孤立性肺结节良恶性的灵敏度为89.8％,特异度为80.0％，阳性预测值为91.4％，阴性预测值为76.9％。本研究所得的数学预测模型曲线下面积为0.855±0.027。
　　结论：
　　在所收集的资料中，患者的年龄、个人史、既往病史、肿瘤家族史，以及结节的部分影像学特征，均与孤立性肺结节的良恶性质相关。这其中，患者的年龄、既往病史，以及结节的最大直径，是否存在钙化，边界清楚与否，是否出现毛刺、分、叶，均能够独立影响孤立性肺结节的良恶性质。在本文的研究中，主要从这些独立影响因素出发，构建了能够预判孤立性肺结节良恶性质的数学模型，其诊断效力理想。

目录

声明

摘要

前言

1．资料与方法

1．1 研究对象

1．2 资料收集

1．3 病理诊断

1．4 统计学分析

2．结果

2．1 单因素分析

2．2 多因素Logistic回归分析

2．3 Logistic回归方程的建立及截断点的选取

2．4 数学模型的验证

3．讨论

4．结论

参考文献

综述 孤立性肺结节的处理策略

致谢