基于LASSO回归的胶质瘤早期鉴别诊断模型的构建和验证

摘要

目的利用术前部分血液检查指标、年龄和性别构建预测低级别胶质瘤(LGG)和高级别胶质瘤(HGG)的列线图模型。方法回顾性分析2015年12月至2022年9月在徐州医科大学附属医院接受手术治疗的685例胶质瘤患者的临床数据和检测结果,其中,LGG 260例,HGG 425例。先通过组间比较寻找LGG和HGG组之间的差异因素,然后将P<0.05的16个因素通过LASSO回归算法筛选出系数不为0的因素进行多因素logistic分析建立预测模型构建列线图,并通过受试者工作特征(ROC)曲线、校正曲线和决策曲线分析评估模型。结果通过LASSO回归筛选出系数不为0的5个因素,分别为中性粒细胞、白细胞计数、白蛋白计数、性别和年龄。同时这5个因素构建的列线图结果显示该模型ROC曲线下面积为0.7497(95%CI:0.7112~0.7883),灵敏度为0.7600,特异度为0.6808,同时该列线图模型的一致性和有效性通过Calibration曲线和Decision曲线进行证实。结论该列线图模型可以作为临床鉴别诊断HGG和LGG的量化工具,具有较高的诊断效果。