川崎病辅助决策系统的建立和临床应用

川崎病KD(Kawasaki disease)是好发于5岁以下儿童的急性发热性出疹性疾病,发病率正逐年上升。川崎病的诊断目前主要依靠临床表现,缺乏明确的实验室诊断指标。而早期诊断和及时有效治疗可显著降低川崎病患儿冠状动脉病变发生率。针对这种现状,通过Logistic诊断模型,对川崎病发生概率和丙球无反应的发生概率进行计算。通过分析与聚类算法,将患者进行归类,并以此建立用于门诊的川崎病辅助诊断决策系统。应用及实验结果表明,该辅助诊断系统不仅能有效提高诊断效率,而且可显著降低临床医生工作强度。同时,还可以较好地用于病患病例的记录与追踪,为患者的后期治疗提供依据。

小儿川崎病诊断模型的建立与诊断效能研究

目的建立小儿川崎病鉴别诊断模型,为临床诊断决策提供参考。方法选取上海市儿童医院2013年1月至2017年7月入院接受治疗的发热患儿,根据最终临床诊断将其分为川崎病组与发热对照组,回顾性分析比较两组间一般临床信息及实验室指标,通过Logistic回归分析建立数学模型并评价其效能。结果本研究共纳入1916例患儿,平均年龄为(3.47±2.83)岁。其中,男性1085(56.6%)例,女性831(43.4%)例,川崎病组患儿479(25.0%)例,发热对照组患儿共1099(75.0%)例。采用向后逐步回归的方法,将因变量和自变量纳入Logistic回归分析中。结果显示,此模型的Hosmer and Lemeshow检验P=0.944,说明拟合方程与真实方程无偏差;年龄、发热天数、红细胞沉降率、C反应蛋白、白细胞计数、白蛋白、D-D二聚体水平是川崎病的独立危险因素。Logistic回归的预测方程为:ln(P/1-p)=-7.337+2.163×CRP+1.56×DD+1.612×ESR+1.392+年龄+1.724×发热天数+2.295×WBC+0.808×ALB。计算患者模型得分,并做ROC曲线,曲线下面积为0.927(95%CI:0.905-0.950),当得分为9分时,约登指数最高,为72.9%,将得分为9分设置为截断点,预测是否川崎病的灵敏度和特异度分别为89.7%和83.2%。结论本研究建立的小儿川崎病鉴别诊断模型具有较好的诊断效能,有待于进一步大规模、多中心研究加以证实。