摘要
研究目的:通过分析肺结节患者的临床资料与影像学资料，发现恶性结节的独立危险因素，进而建立恶性结节的预测模型，为临床工作中肺结节性质的判断提供依据。 资料和方法:选取本院2019年1月至2019年12月经外科手术切除有明确病理的结果的共273例肺结节患者组成A组数据。根据病理结果将其分为良性组(n=66)和恶性组(n=207)，收集两组患者的一般临床资料包括年龄、性别、吸烟史、既往肺病史、肺癌家族史、其他肿瘤家族史和影像学资料包括结节形态、结节边缘、结节密度、结节部位、伴随的结节数目、结节直径、特殊影像学表现(分叶征、毛刺征、胸膜凹陷征、支气管截断征、血管集束征、钙化、空泡征)、增强扫描是否强化。先对各个变量进行单因素分析，筛选出统计结果有意义的变量进行二元Logistic回归分析，最终得出恶性结节的独立危险因素并建立预测模型。另外随机抽取2020年于我院经手术切除有明确病理的肺结节患者100例为B组，用来验证本研究模型的预测价值。 结果:单因素分析中，年龄、性别、吸烟史、结节形态、结节边缘、结节密度、结节最大直径、结节特殊征象中的分叶征、毛刺征、胸膜凹陷征、血管集束征、空泡征和支气管截断征有统计学差异(P＜0.05)，二元Logistic回归分析结果显示年龄、结节最大直径、分叶征、毛刺征、胸膜凹陷征和结节密度为评估结节性质的独立危险因素。恶性结节的预测模型为:P=ex/(1+ex)，x=-4.323+(0.042×年龄)+(0.945×结节最大直径)+(0.963×分叶征)+(1.035×毛刺征)+(1.163×胸膜凹陷征)+(2.230×结节密度)。将B组数据带入本研究预测模型、李运模型和Mayo模型中并绘制ROC曲线，结果显示本研究预测模型曲线下面积为0.908±0.043，95％的置信区间为(0.823～0.994)，该模型敏感度为91.7％，特异度为81.2％，阳性预测值为96.3％，阴性预测值为65.0％;李运模型曲线下面积为0.698±0.066，Mayo模型曲线下面积为0.765±0.051，据此可知，本研究的模型较李运模型和Mayo模型更为准确。 结论:年龄、结节最大直径、分叶征、毛刺征、胸膜凹陷征和结节密度为评估肺结节性质的独立危险因素，预测模型有较好的敏感性和特异性，为临床医师判断肺结节的性质具有一定的指导意义。
NETL