孤立性肺结节良恶性判别数学模型的建立与验证

摘要

研究目的:通过Logistic回归分析筛选出与孤立性肺结节(SPNs)恶性概率相关的一组临床资料，建立并验证了SPNs良恶性判别的数学模型，并将该模型与国内李运模型和国外Mayo模型、VA模型进行比较。
　　研究方法:分别收集2011年1月至2014年11月在第二军医大学附属长海医院胸外科进行手术切除并明确病理的孤立性肺结节病人的资料252例，总结病人的性别、年龄、症状、吸烟史、肺部既往病史、肿瘤史、肿瘤家族史、结节部位、平均直径、边缘清楚、边缘光滑、毛刺、分叶、胸膜凹陷征、血管集束征、钙化、透亮影等资料。将2014年7月18日之前明确诊断的SPNs共209例归为建模组(M0组)，之后的数据归为验证组（T0组），将用于验证本文模型及与其他三个模型进行比较。将M0组进行单因素分析后发现5年内肿瘤史为SPNs恶性概率的预测因子，有5年内肿瘤史的病人为19例，其病理显示大部分为转移瘤（11例，占57.9％）;因而剔除有5年内肿瘤史的19例，剩余190例重新组成建模组（M1组）。T0组因为时间原因仅收集了43例，剔除其中不同时符合其他三大经典模型（Mayo模型、VA模型、李运模型）条件的2例，剩余41例组成验证组（T1组）。同时将M1组数据中不同时符合以上三大模型要求的3例剔除，剩余的187例与T1组41例数据一起组成包含了228例资料的另外一个验证组（T2组）。
　　通过Logistic分析M1组资料筛选出与SPNs良恶性相关的5个独立因子，构建良恶性概率判别模型，得出合适的截点值T。并用T1组分别对四个模型进行统一验证和比较，另外T2组数据也分别代入三大模型的公式进行验证。T1组、T2组中，各个模型计算得到的概率值均用统计学软件绘制其受试者工作特征(ROC)曲线，两两对比其曲线下面积(AUC)，并对差异进行统计显著性判断。
　　结果:单因素分析M1组数据结果显示，其中9项因素包括患者年龄、结节最大直径、边缘是否光滑、毛刺有无、分叶有无、胸膜牵拉征有无、血管集束征有无、钙化有无、透亮影有无在良性孤立性肺病灶(BSPLs)与恶性孤立性肺病灶(MSPLs)之间差异有统计学意义。多因素分析显示，年龄、最大直径、毛刺、钙化、透亮影这5项因素的差异在BSPLs和MSPLs之间有统计学意义。建立的SPNs良恶性概率数学判别方程:p=ex/(l+ex)，X=年龄*0.077+最大直径*0.087+毛刺有无*1.366-钙化有无*2.335+透亮影*1.437-6.222，其中e为自然对数，截点值T=0.743。将T1组数据代入公式并绘制ROC曲线，其灵敏性为76.9％、特异性为93.3％、阳性似然比为11.538、阴性似然比为0.247、阳性预测值为0.952、阴性预测值0.700。
　　将T1组数据同时验证长海模型、李运模型、Mayo模型、VA模型，其对应的AUC为0.910±0.044、0.794±0.070、0.700±0.085和0.724±0.089，其中长海比李运、Mayo、VA三个模型的P值均小于0.5，而后三个模型两两之间比较均无统计学差异。将T2组数据代入李运模型、Mayo模型及VA模型，其对应的AUC则为0.838±0.027、0.798±0.031和0.776±0.032;其中李运与VA模型的差值为0.062，P值为0.018，李运比Mayo模型、Mayo比VA模型P值均大于0.5。
　　结论:患者的年龄、结节最大直径、毛刺、钙化、透亮影是SPNs良、恶性判别的独立预测因子，通过Logistic回归建立的数学模型有一定的临床应用价值。对于长海医院患者病例，长海模型比李运模型、Mayo模型、VA模型预测效果都要好。对于国内人群，李运模型准确性似乎较VA模型更高，差异有统计学意义，与Mayo模型相比差异无统计学意义;Mayo模型与VA模型无明显统计学差异。

目录

声明

摘要

缩略词表

前言

一、资料和方法

二、结果

讨论

一、已有国内外经典SPNs良恶性判断数学模型的优劣点

二、本研究模型的优势

三、良恶性预测因子分析

结论

参考文献

文献综述

在读期间发表论文和参加科研工作

致谢