摘要
本文从以下几个方面进行论述： 第一部分 结核性脑膜炎与细菌性脑膜炎的鉴别诊断模型 背景和目的： 脑膜炎是一类中枢神经系统感染性疾病，此病发展中国家具高发性，同时致残、致死率非常高。结核性脑膜炎（TBM,Tuberculous meningitis）和细菌性脑膜炎（BM,Bacterial meningitis）是两种常见的感染性脑膜炎。在TBM与BM早期，部分不典型患者的临床表现、脑脊液（CSF，Cerebrospinal fluid）特点及神经影像学检查可能无显著差异性，因此临床医生很难在TBM与BM疾病发作的早期进行快速准确的鉴别诊断。本研究旨在通过回顾性观察分析，探讨和构建TBM与BM的鉴别诊断模型，以期为临床早期判断TBM提供一定的参考。 方法： 对2013年1月至2021年12月重庆医科大学附属第一医院神经内科和感染科收治的225例TBM和BM患者进行数据收集。患者按照不同的入院时间被划分为训练组和验证组，其中训练组包含187名患者，验证组包含38名患者。针对训练组患者的数据，进行单因素和多因素分析，以辨析并筛选出区别TBM和BM的差异因子。根据多因素分析后差异因子相应的回归系数的大小，对差异因子予以赋分，构建用于区分TBM与BM的诊断模型。在训练集上绘制受试者工作特征曲线，并计算曲线下面积（AUC，Area under curve）、敏感性和特异性，然后经验证集进行验证。 结果： 1.在TBM与BM患者的训练集中，进行单因素分析发现筛选出14个变量具有统计学差异（P＜0.05），包括病程、格拉斯哥昏迷评分、血清白细胞总数、中性粒细胞比例、血清中性粒细胞与淋巴细胞比值、C反应蛋白、降钙素原、血钠、血清白蛋白与球蛋白比值、CSF有核细胞数、CSF多核细胞比例、CSF氯、CSF蛋白质、CSF葡萄糖与血糖比值。多因素分析后发现，C反应蛋白、血钠、CSF有核细胞数、CSF多核细胞比例在TBM与BM两组间差异具有显著性（P＜0.05）。 2.根据多因素分析后差异因子相应的回归系数的大小，对差异因子予以赋分，构建用于区分TBM与BM的诊断模型。在训练集中，TBM与BM鉴别诊断模型的AUC、敏感性和特异性分别为94.0%、85.71%和90.16%；而在验证组中应用该模型时，AUC为86.2%。 结论： 1.C反应蛋白、血钠、CSF有核细胞数、CSF多核细胞比例在TBM和BM两组间差异具有显著性。 2.基于C反应蛋白、血钠、CSF有核细胞数、CSF多核细胞比例四个差异因子，本研究构建出TBM和BM鉴别诊断模型。 3.构建的模型有较高的敏感性和特异性，较好鉴别诊断TBM与BM。 第二部分 结核性脑膜炎与隐球菌性脑膜炎的鉴别诊断模型 背景和目的： TBM是一种非化脓性的神经系统炎症性疾病，涉及脑膜和脊髓膜，由结核分枝杆菌引起。隐球菌性脑膜炎（CM，Cryptococcal meningitis）是由于隐球菌感染中枢神经系统，引发的真菌性脑膜炎。在TBM和CM的早期诊断上，由于部分不典型患者的临床症状、CSF特点和神经影像学检查结果可能无显著差异，容易误诊，延误治疗，导致患者预后不良。故本研究通过回顾性观察分析，探讨和构建TBM与CM的鉴别诊断模型，以期为临床早期判断TBM提供一定的参考。 方法： 对2013年1月至2021年12月重庆医科大学附属第一医院神经内科和感染科收治的194例TBM和CM患者进行数据收集。患者按照不同的入院时间被划分为训练组和验证组，其中训练组包含163名患者，验证组包含31名患者。针对训练组患者的数据，进行单因素和多因素分析，以辨析并筛选出区别TBM和CM的差异因子。根据多因素分析后差异因子相应的回归系数的大小，对差异因子予以赋分，构建用于区分TBM与CM的诊断模型。在训练集上绘制受试者工作特征曲线，并计算AUC、敏感性和特异性，然后经验证集进行验证。 结果： 1.在TBM与CM患者的训练集中，进行单因素分析发现筛选出8个变量具有统计学差异（P＜0.05），包括发热、病程、年龄、总蛋白、白蛋白与球蛋白比值、CSF有核细胞数、CSF蛋白、CSF葡萄糖与血糖比值。多因素分析后发现，年龄、病程、白蛋白与球蛋白比值、CSF蛋白和CSF葡萄糖与血糖比值在TBM与CM两组间差异具有显著性（P＜0.05）。 2.根据多因素分析后差异因子相应的回归系数的大小，对差异因子予以赋分，构建用于区分TBM与CM的诊断模型。在训练集中，该模型的AUC为94.5%，敏感性为85.71%，特异性为94.59%；模型应用在验证组中AUC为85.40%。 结论： 1.年龄、病程、白蛋白与球蛋白比值、CSF蛋白和CSF葡萄糖与血糖比值在TBM和CM两组间差异具有显著性。 2.基于年龄、病程、白蛋白与球蛋白比值、CSF蛋白和CSF葡萄糖与血糖比值五个差异因子，本研究构建出TBM和CM鉴别诊断模型。 3.构建的模型有较高的敏感性和特异性，较好鉴别诊断TBM与CM。
NETL