查看更多>>摘要：目的 基于临床病理特征和影像学及血清生物指标分析构建肺结节(pulmonary nodules,PN)性质预测模型并验证,为肺癌早诊断和早治疗提供科学决策.方法 对 2019 年 1 月～2023 年 2 月深圳市中医医院胸外科和肿瘤科816例行手术切除或肺活检病理诊断明确的PN患者进行回顾性分析.其中,剔除不符合纳入标准者113 例,余下 703 例纳入研究.该研究基于PN患者临床病理特征(年龄、性别、吸烟史、戒烟史、癌症家族史)、胸部影像学(结节最大直径、病变位置、边界清晰、分叶、毛刺、空泡、血管集束征、钙化、空气支气管征、肺气肿、结节性质及胸膜凹陷、结节数量)和血清癌胚抗原(carcinoembryonic antigen,CEA)、细胞角蛋白19片段(cytokeratin 19 fragment,CYFRA21-1)、鳞状细胞癌抗原(squamous cell carcinoma antigen,SCCA),将上述病例随机分为建模组(n=552,良性237例,恶性315例)和验证组(n=151,良性85例,恶性66例).首先,对研究对象进行单变量分析以筛选有统计学意义的PN性质预测因子.然后,进行多变量回归分析以筛选PN性质的独立预测因子.最后,采用logistic回归分析构建PN性质的预测模型.再将验证组数据分别代入该模型与梅奥诊所(Mayo clinic,Mayo)模型、退伍军人事务(veterans affairs,VA)模型、Brock大学(Brock University,Brock)模型、北京大学(Peking University,PKU)模型和广州医科大学(Guangzhou Medical University,GZMU)模型计算PN恶性概率,绘制受试者工作特征(receiver operating characteristic,ROC)曲线.根据曲线下面积(area under the curve,AUC)比较各模型的诊断效能.结果 单变量分析筛选的具有统计学意义的变量包括年龄、癌症家族史、结节最大直径、结节性质、肺上叶、钙化、血管集束征、分叶、边界清晰、毛刺以及血清CEA,SCCA,CYFRA21-1等.多变量回归分析显示年龄、CEA,边界、CYFRA21-1,SCCA,肺上叶、结节最大直径、癌症家族史、毛刺、结节性质等为PN恶性的独立预测因子.该研究构建的PN性质预测模型方程如下:f(x)=ex/(1+ex),X=(-6.318 8+0.020 8年龄+0.527 4×CEA-0.928 4×边界+0.294 6×Cyfra21-1+0.294×结节最大直径+1.220 1×癌症家族史+0.573 2×肺上叶+0.064 8×SCCA +1.461 5×毛刺 +1.497 6×结节性质).该模型与Mayo 模型和VA 模型比较,AUC(0.799 vs 0.659,0.650)差异具有统计学意义(Z=3.029,2.638,P=0.003,0.008).然而,该模型与Brock 模型、PKU 模型、GZMU 模型比较,AUC(0.799 vs 0.762,0.773,0.769)差异无统计学意义(Z=1.063,0.686,0.757,P=0.288,0.493,0.449).结论 该研究构建的PN性质预测模型较为准确可靠,可帮助临床实现早诊断和早干预,值得推广应用.
国家科技期刊平台
NSTL
万方数据
维普