卵巢-附件影像报告和数据系统联合卵巢癌风险预测模型指数对卵巢良、恶性肿瘤的诊断价值

目的探讨卵巢-附件影像报告和数据系统(O-RADS)联合卵巢癌风险预测模型(ROMA)指数对卵巢肿瘤良恶性的诊断效能。资料与方法回顾性分析2021年1—12月宁夏医科大学总医院495例卵巢肿瘤的超声图像,根据O-RADS超声风险分层标准对附件区包块进行分类。以手术病理结果为“金标准”,绘制受试者工作特征曲线,计算O-RADS对附件肿块的诊断效能,对O-RADS4类,联合ROMA指数计算诊断符合率。结果O-RADS2~5类卵巢肿瘤的恶性率分别为0、2.7%、43.6%、86.8%;O-RADS超声风险分层诊断卵巢肿瘤的曲线下面积为0.929,对附件区良、恶性肿瘤的最佳截断值为>3类,诊断卵巢肿瘤的敏感度为90.8%、特异度为89.4%、阳性预测值为67.9%,阴性预测值为97.5%,诊断符合率为89.7%;O-RADS 2~5类诊断卵巢肿瘤的符合率分别为100%、97.3%、43.6%、86.8%,O-RADS 4类是卵巢肿瘤良恶性鉴别的难点,将O-RADS 4类联合ROMA指数后诊断符合率由43.6%升至72.7%。结论O-RADS超声风险分层对卵巢肿瘤有较好的诊断价值。但O-RADS 4类是诊断难点,O-RADS 4类联合ROMA指数能显著提高卵巢肿瘤的诊断符合率。

阿帕替尼致恶性肿瘤患者蛋白尿影响因素及风险预测模型研究

目的研究恶性肿瘤患者使用阿帕替尼治疗后发生蛋白尿的影响因素,据此构建并评价其风险预测模型。方法选取我院2020年1月-2022年12月使用阿帕替尼治疗的恶性肿瘤患者120例作为训练集,回顾性收集其临床资料,采用单因素分析和多因素Logistic回归分析确定阿帕替尼致蛋白尿的独立危险因素,并构建风险预测模型;采用受试者操作特征(ROC)曲线对其预测价值进行评价。选取2023年1-12月我院使用阿帕替尼治疗的恶性肿瘤患者34例作为验证集,利用其临床资料交叉验证预测模型的准确性。结果120例训练集患者的蛋白尿发生率为26.67%。蛋白尿组有吸烟史、合并高血压、阿帕替尼日剂量≥500 mg的患者比例,以及丙氨酸转氨酶水平均显著高于非蛋白尿组,而中性粒细胞计数显著低于非蛋白尿组(P<0.05)。其中,有吸烟史、合并高血压是阿帕替尼致蛋白尿的独立危险因素(比值比分别为5.005、5.342,95%置信区间分别为1.806~13.872、1.227~9.602,P<0.05)。阿帕替尼致蛋白尿发生概率(P)的二元Logistic回归模型方程为LogitP=1.610X_(MH)+1.233XSH-1.483(MH为合并高血压,SH为有吸烟史),模型准确度为80.0%。ROC曲线分析结果显示,曲线下面积为0.771,最大约登指数为0.474,此时LogitP的最佳截断值为0.1599,模型的敏感度为90.6%、特异性为56.8%。交叉验证结果显示,34例患者总体预测准确率为88.24%。结论有吸烟史和合并高血压是阿帕替尼致蛋白尿的独立危险因素;所建风险预测模型具有中等预测价值,可用于预测阿帕替尼致恶性肿瘤患者蛋白尿的发生风险。

基于铁死亡基因的恶性胸膜间皮瘤风险预测模型构建及其肿瘤免疫微环境研究

目的:筛选恶性胸膜间皮瘤(MPM)预后相关的铁死亡基因,探索铁死亡与肿瘤免疫微环境的联系,为MPM患者的靶向及免疫治疗提供新的视角。方法:分析GEO数据集中MPM肿瘤组和正常组的差异表达基因(DEGs),与铁死亡基因取交集得到MPM中铁死亡相关的DEGs(DE-FRGs);进行GO、KEGG功能富集和蛋白-蛋白互作(PPI)等分析明确DE-FRGs主要参与的信号通路;通过单因素COX分析鉴定出预后相关的铁死亡基因,LASSO回归分析筛选建立风险预测模型的最佳DEFRGs,并通过多因素COX分析建立基于最佳DE-FRGs的风险预测模型,对模型的预测效果进行一系列验证。最后通过CIBERSORT等算法对模型进行肿瘤免疫细胞浸润分析及免疫微环境评价。结果:筛选出24个预后相关的DE-FRGs,主要富集于铁死亡、转录调控和对无机物的反应,建立并验证了1个基于5个铁死亡相关基因(ALDH3A2、CAV1、HRAS、CDCA3、RRM2)的MPM风险预测模型,模型中高风险组CD8+T细胞、巨噬细胞比例较高,而B淋巴细胞占比较低。此外,免疫检查点PD-1、CTLA-4及其配体在高风险组中有更高的表达状态。结论:建立了基于5个铁死亡相关基因的MPM风险预测模型,并明确了模型中的免疫状态。为MPM的靶向及免疫治疗提供了一定的研究基础,该模型在MPM中的预测能力需要临床上进一步验证,以更好地预测疾病分层和治疗管理。

西北地区膀胱肿瘤发病危险因素分析及风险预测模型研究

目的分析西北地区膀胱肿瘤发病的危险因素并建立风险预测模型。方法选取空军军医大学西京医院和唐都医院2021年7月至2022年9月收治的197例西北地区膀胱肿瘤患者为病例组;另外选取同院同期收治的171例非肿瘤志愿者为对照组。通过问卷和病历系统收集入组者临床资料,包括性别、年龄、体质量指数(BMI)、民族、既往史、服药史、情绪、吸烟、饮酒、饮水量、有害物质接触情况、自我保护意识等。利用t检验、非参数检验或χ^(2)检验,筛选病例组和对照组之间有显著差异的变量,随后对差异变量赋值并进行logistic回归分析,以明确西北地区膀胱肿瘤发病的危险因素,进而对风险因素加权以建立风险预测模型。最后,通过ROC曲线评估预测模型的可信度。结果低学历(本科以下)、急躁/暴躁情绪、长烟龄(≥10年)、长期使用染发剂(≥11年)、自我保护意识较弱、有泌尿系病史、饮水量≤1200 mL/d和体育锻炼≤1次/周均为西北地区膀胱肿瘤发病的危险因素(P<0.05)。基于上述8项危险因素建立的西北地区膀胱肿瘤发病风险预测模型具有较高的预测准确度(AUC=0.906)。结论保持良好生活习惯、控制负性情绪、加强体育锻炼、减少染发剂暴露、增强自我保护意识、积极防治泌尿系疾病是预防膀胱肿瘤发病的有效手段。本研究构建的膀胱肿瘤发病风险预测模型准确度较高,有望用于西北地区膀胱肿瘤筛查。

卵巢癌患者肿瘤细胞减灭术后尿路感染风险评估模型的建立与效果检验

目的构建卵巢癌患者肿瘤细胞减灭术后尿路感染风险评估模型,检验其评估效果。方法选取医院2021年2月—2022年2月收治的行肿瘤细胞减灭术的卵巢癌患者112例为研究对象,采用一般资料量表调查患者信息,统计术后尿路感染的患者例数,通过单因素分析、多因素Logistic回归分析筛选术后尿路感染的影响因素,根据回归分析结果构建尿路感染风险评估模型,并经应用检验其效果。结果统计显示,肿瘤细胞减灭术后出现尿路感染的卵巢癌患者24例,发生率为21.43%。多因素Logistic回归分析显示,卵巢癌患者肿瘤细胞减灭术后尿路感染影响因素有年龄、合并糖尿病、手术时间、术中失血量、术后导尿管留置时间、导尿管插管次数、术后低蛋白血症、尿路感染预防宣教(P<0.05)。其中,年龄≥65岁、合并糖尿病、导尿管留置时间≥7 d、导尿管插管次数>1次、术后低蛋白血症、尿路感染预防宣教缺失的术后患者更容易发生尿路感染。根据Logistic回归分析结果构建卵巢癌患者肿瘤细胞减灭术后尿路感染风险评估模型,模型Hosmer-Lemeshow检验显示,差异无统计学意义(χ^(2)=2.848,P=0.132),模型拟合优度表现良好;模型ROC曲线AUC为0.805,95%CI为0.729~0.877,最大约登指数为0.649,对应灵敏度、特异度分别为0.802、0.847;临床应用检验显示,模型预测准确率为91.96%。结论卵巢癌患者肿瘤细胞减灭术后伴有不同程度的尿路感染风险,年龄、合并糖尿病、手术时间、术中失血量、术后导尿管留置时间、导尿管插管次数、术后低蛋白血症、尿路感染预防宣教为卵巢癌患者肿瘤细胞减灭术后尿路感染影响因素,构建的模型能有效识别卵巢癌肿瘤细胞减灭术后尿路感染风险,为临床预防护理提供参考,以增强护理针对性,进而降低尿路感染发生率。

妇科恶性肿瘤患者并发静脉血栓栓塞风险预测模型的系统评价

目的通过系统评价妇科恶性肿瘤患者并发静脉血栓栓塞(VTE)风险预测模型,以期为妇科恶性肿瘤患者发生VTE防治和模型的开发提供循证参考。方法系统检索PubMed、Cochrane Library、Web of Science、CINAHL、Embase、中国知网、万方数据库、维普中文科技期刊数据库和中国生物医学文献数据库(CBM)发表的关于妇科恶性肿瘤合并VTE风险预测模型相关文献。检索时限自建库至2023年4月,语言限定为中文和英文。根据纳排标准进行文献筛选,由2名研究者独立进行纳入文献的数据提取和质量评价。结果共纳入10项研究,建立模型的曲线下面积(AUC)为0.722~0.929,验证模型的AUC为0.810~0.911,其中候选预测因子数量为10~36个,纳入模型最多的预测因子为D-二聚体、年龄、BMI、手术时间、输血史。纳入研究均存在高风险偏倚,在各领域适用性较低。结论妇科恶性肿瘤并发VTE风险预测模型尚处于发展阶段,未来在模型构建中可按照PROBAST工具相关条目开展。D-二聚体、年龄、BMI、手术时间、输血史为妇科恶性肿瘤患者并发VTE高风险因素,医护人员应积极应对存在以上危险因素的高危患者,以降低VTE发生率。

血栓风险评估量表与风险预测模型评估PICC相关性血栓形成风险的效果比较

目的分析并比较血栓风险评估量表与风险预测模型在PICC相关性血栓形成风险评估中的效果。方法选取广州市某医院2020年1月—2022年3月收治的360例行经外周静脉穿刺中心静脉置管(PICC)的肿瘤患者为研究对象,采用一般资料调查表对研究对象进行资料收集,并采用单因素、多因素分析明确PICC相关性血栓的独立危险因素,构建风险预测模型,对比Autar深静脉血栓形成评估量表与风险预测模型对PICC相关性血栓的预测效果。结果在360例行PICC的患者中,有69例患者发生PICC相关性血栓,占比19.17%;对风险预测模型的Hosmer-Lemeshow检验结果显示,χ^(2)=4.561,P=0.683;ROC分析显示,风险预测模型的AUC值为0.875,Autar深静脉血栓形成评估量表的AUC值为0.643。结论采用风险预测模型对PICC肿瘤患者进行PICC相关性血栓风险评估,效果优于传统的血栓评估量表,能为医护人员开展有针对性的护理提供建议,在预防PICC相关性血栓形成方面有积极意义。

超声误诊为乳腺癌临床特征与风险预测模型构建

目的分析超声误诊为乳腺癌临床特征,并构建误诊风险预测模型。方法选取2021年1月至2023年12月行超声检查的乳腺肿块患者602例,按照误诊情况分为误诊组和诊断准确组,分析超声误诊为乳腺癌病例特征,并构建误诊风险预测模型。结果共有30例误诊为乳腺癌,误诊率为4.98%。诊断准确组与误诊组在病灶最大径、触诊、合并良性病灶、合并炎性病变、超声图像边缘、血流信号明显、腋下淋巴结回声、微钙化、病灶结构复杂多样方面比较差异有统计学意义(P<0.01)。经二元Logistic回归分析显示,病灶最大径(≥5 cm)、合并良性病灶、合并炎性病变、超声图像边缘(模糊)、血流信号明显、腋下淋巴结回声、微钙化、病灶结构复杂多样是超声误诊为乳腺癌的危险因素(P<0.05,P<0.01)。超声误诊为乳腺癌风险预测模型:2.623×病灶最大径(≥5 cm)+1.422×合并良性病灶+1.616×合并炎性病变+1.574×超声图像边缘(模糊)+1.134×血流信号明显+1.518×腋下淋巴结回声+2.027×微钙化+1.541×病灶结构复杂多样。Hosmer-Lemeshow拟合度检验显示,该模型拟合优度较好(χ^(2)=3.487,P=0.900);受试者工作特征曲线分析显示,预测模型预测超声误诊为乳腺癌风险的曲线下面积为0.921,约登指数为0.698,敏感度、特异度分别为83.3%、86.5%,95%CI为0.872,0.969,实际应用准确性为96.2%(579/602)。结论超声误诊为乳腺癌和多种因素有关,基于病灶最大径、合并良性病灶、合并炎性病变、超声图像边缘模糊、血流信号明显、腋下淋巴结回声、微钙化和病灶结构复杂多样危险因子构建的超声误诊为乳腺癌风险预测模型预测准确性较好。

胰腺导管内乳头状粘液性肿瘤恶变风险评估模型的创建及验

目的研究术前与胰腺导管内乳头状粘液性肿瘤(IPMN)恶变相关的危险因素,构建IPMN恶变风险预测模型并评价其预测性能及临床价值。方法采用回顾性病例对照研究方法,筛选后纳人2015年1月至2021年12月安徽医科大学第一附属医院收治的IPMN患者98例,定为训练组;纳人同期安徽医科大学第二附属医院及中国科学技术大学第一附属医院IPMN患者52例,定为验证组。利用单因素和多因素logistic回归分析在训练组中筛选出与IPMN恶变相关的危险因素,构建列线图模型,基于验证组数据对模型进行外部验证。通过C指数、校准曲线和受试者工作特征曲线(receiver operating characteristic,ROC)对模型进行评价。结果训练组logistic回归分析提示主胰管扩张≥1Omm、强化附壁结节、肿瘤最大直径≥30mm及血清CA19-9升高是IPMN恶变的独立危险因素,纳人这些因素构建列线图预测模型。训练组C指数为0.834(95%CI:0.744~0.924),验证组C指数为0.847(95%CI:0.733~0.960)。绘制R0C曲线,约登指数最大时的模型总分最佳截止值为124.0分,此时对应的敏感度和特异度分别为82.8%和71.0%。校准曲线表现出较好的拟合度,表明该模型具有良好的预测精准度和灵敏度。结论主胰管扩张≥10mm、强化附壁结节、肿瘤最大直径≥30mm及血清CA19-9升高是IPMN恶变的独立危险因素,基于此构建的IPMN恶性风险预测模型具有较高的临床价值,可为临床诊疗方案的制定提供参考。

建立卵巢肿瘤风险预测模型在卵巢肿瘤诊断中的应用

目的:探讨卵巢肿瘤风险预测模型(ROMA)在卵巢肿瘤诊断中的应用价值。方法:回顾性分析因卵巢肿瘤住院接受手术的良性肿瘤患者41例,恶性肿瘤患者42例及正常受试者40例,用ELISA法检测血清中HE4与CA125水平,计算ROMA值以评估患卵巢肿瘤的风险性。结果:卵巢肿瘤组患者血清HE4、CA125水平及ROMA值高于对照组和良性肿瘤组,差异有统计学意义(P<0.01)。良性肿瘤组CA125水平值高于对照组值,差异有统计学意义(P<0.01);而HE4水平及ROMA与对照组比较差异无统计学意义(P>0.05)。以HE4≥150pmol/L,CA125≥35U/ml作为阳性界限,则HE4、CA125及ROMA值敏感度分别为83.33%,69.04%85.71%;特异度分别为95.12%,78.0%,95.12%。CA125ROC曲线下面积(AUC)为0.676;HE4ROC曲线下面积(AUC)为0.749;ROMA ROC曲线下面积(AUC)为0.814,与CA125、HE4比较差异有统计学意义(P<0.05)。结论:在卵巢肿瘤诊断中,单项检测HE4的临床价值优于CA125。对于单项HE4、CA125检测而言,HE4、CA125联合应用计算ROMA值具有更好的诊断卵巢恶性肿瘤的临床价值。

基于GLIM标准构建预测肿瘤患者放疗后营养恶化的模型

目的采用全球领导人营养不良倡议(GLIM)标准调查住院放疗患者的营养状况,并构建放疗后营养恶化的预测模型。方法选择2022年1月至2022年12月在中国人民解放军空军特色医学中心放射治疗科放疗的97例住院肿瘤患者,于放疗前行GLIM营养不良评估,后依据放疗后体重是否丢失超过5%,分为营养稳定组(n=57)和营养恶化组(n=40)。利用单因素和多因素Logistic回归分析放疗后患者营养恶化的危险因素,并基于危险因素构建列线图预测模型,随后应用受试者操作特征(ROC)曲线下面积(AUC)、拟合优度检验及决策曲线(DCA)对模型的区分度、精准度及应用价值进行验证。结果纳入观察的97例放疗患者中38例存在营养风险或中/重度营养不良(39.1%),放疗后40例患者出现营养恶化(41.2%)。分析营养稳定与营养恶化组患者的基线情况,年龄、性别、学历、肿瘤部位、基础疾病、是否存在远处转移及入院BMI均无差异。Logistic回归分析示放疗后营养恶化的独立危险因素是:GLIM中/重度营养不良、放疗次数及前白蛋白(P<0.05)。将上述3项危险因素引入R软件建立列线图模型,AUC为0.723(95%CI=0.622~0.825),效准曲线和理想曲线均较好。DCA提示模型具备良好的应用价值。结论GLIM标准是预测肿瘤患者放疗后营养状态恶化的有效工具。基于GLIM评估、放疗次数及前白蛋白构建的列线图可有效预测放疗后患者的营养恶化风险,有望为医务人员采取积极的营养干预提供参考和指导。

血清学指标联合卵巢癌风险预测模型指数在卵巢癌诊断中的应用价值

目的分析人附睾分泌蛋白4(human epididymis protein 4,HE4)、糖类抗原125(carbohydrate antigen 125,CA125)、高迁移率族蛋白A2(high mobility group protein A2,HMGA2)、基质金属蛋白酶-1(matrix metalloproteinase-1,MMP-1)及卵巢癌风险预测模型(risk of ovarian malignancy algorithm,ROMA)指数在卵巢癌诊断中的应用价值。方法选取2020年1月至2022年5月海南省海口市中医医院收治并经病理证实的100例卵巢癌患者作为恶性卵巢肿瘤组,并以同期收治的100例良性卵巢肿瘤患者作为良性卵巢肿瘤组、100例健康体检女性作为对照组,检测HE4、CA125、HMGA2、MMP-1水平,计算ROMA指数,比较三组上述指标的差异,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估HE4、CA125、HMGA2、MMP-1和ROMA指数对卵巢癌的诊断价值。结果恶性卵巢肿瘤组血清HE4、CA125、HMGA2、MMP-1水平高于良性卵巢肿瘤组和对照组,良性卵巢肿瘤组血清CA125、HMGA2水平高于对照组(P<0.05),而血清HE4、MMP-1水平与对照组比较差异无显著性(P>0.05)。ROC曲线分析显示,HE4、CA125、HMGA2、MMP-1联合诊断卵巢癌的敏感度为83.00%,曲线下面积为0.787,均高于各项单独检测;ROMA指数诊断卵巢癌的敏感度为86.00%,曲线下面积为0.832,高于HE4、CA125、HMGA2、MMP-1联合诊断;HE4、CA125、HMGA2、MMP-1及ROMA指数联合诊断卵巢癌的敏感度为96.00%,曲线下面积为0.931,高于HE4、CA125、HMGA2、MMP-1联合及ROMA指数单独诊断(P<0.05)。结论血清HE4、CA125、HMGA2、MMP-1水平联合ROMA指数对卵巢癌的诊断价值较高,有利于卵巢癌的早期诊断及治疗,值得临床应用。

恶性肿瘤相关性血栓风险预测模型的研究进展

静脉血栓栓塞症(VTE)是恶性肿瘤患者常见合并症和重要致死原因之一。本文对恶性肿瘤患者合并VTE的危险因素进行分析总结,并对几种恶性肿瘤相关性血栓风险预测模型的临床应用进展进行综述,分析其利弊,以期为临床护理实践提供依据。

血清糖类抗原125、人附睾蛋白4及卵巢癌风险预测模型指数在卵巢恶性肿瘤诊断中的重要价值

目的探究血清糖类抗原(CA)125、人附睾蛋白(HE)4水平以及两者联合计算得出的卵巢恶性肿瘤风险预测模型(ROMA)指数在中国吉林省卵巢恶性肿瘤诊断中的重要价值。方法 84例卵巢恶性肿瘤患者,117例良性肿瘤患者,同时随机选取健康女性40例,检测患者接受卵巢肿瘤手术前的血清CA125、HE4水平,并根据以上两者水平及绝经状态计算出相应的ROMA指数。结果卵巢恶性肿瘤组血清CA125、HE4水平和ROMA指数,均高于对照组和良性肿瘤组(P<0.001)。CA125、HE4和ROMA指数三者的工作特征(ROC)曲线及曲线下面积(AUC)分别为0.948、0.970、0.975。CA125、HE4和ROMA指数的灵敏度分别为0.833、0.905、0.929,而CA125具有与ROMA指数相同的特异度,优于HE4。结论 HE4、CA125以及患者绝经状态的ROMA指数显著提高了卵巢恶性肿瘤诊断的准确性。

多囊卵巢综合征患者早期妊娠丢失的风险预测模型构建与验证

目的 探讨多囊卵巢综合征(PCOS)患者早期妊娠丢失的危险因素,并根据此构建风险预测列线图模型。方法 回顾性分析河南科技大学第一附属医院于2019年1月至2021年12月常规产检的228例PCOS患者的临床资料。按照3∶2比例,将其随机分配为建模组(137例)和验证组(91例)。根据早期妊娠是否发生胚胎丢失将建模组分为妊娠丢失组(35例)和妊娠未丢失组(102例),对比分析两组患者的一般资料。采用多因素logistic回归分析法分析PCOS患者早期妊娠丢失的危险因素,并采用R3.4.7软件包绘制列线图模型,并绘制受试者工作特征(ROC)曲线对列线图模型的预测效能进行评估,绘制校准度曲线图,并采用Bootstrap法检验预测列线图模型的校准度。结果 建模组与验证组患者年龄、体重指数(BMI)、自然流产史、促排卵治疗、妊娠前稀发排卵或无排卵、雌二醇(E2)、睾酮(T)、促卵泡成熟激素(FSH)、促黄体生成素(LH)、空腹胰岛素水平(FINS)、空腹血糖水平(FPG)、叶酸、血清25羟基维生素D3[25-(OH)D3]、口服葡萄糖耐量试验(OGTT)2 h葡萄糖水平比较,差异无统计学意义(P>0.05);两组自然流产史、促排卵治疗、妊娠前稀发排卵或无排卵、E2、FSH、FPG、叶酸、OGTT 2 h葡萄糖水平比较,差异无统计学意义(P>0.05);妊娠丢失组年龄、BMI、T、LH、FINS水平均高于妊娠未丢失组(P<0.05),血清25-(OH)D3水平低于妊娠未丢失组(P<0.05);经logistic回归分析可知,年龄、BMI、T、LH、FINS、血清25-(OH)D3均为影响建模组PCOS患者早期妊娠丢失的危险因素(P<0.05);ROC曲线分析结果显示:列线图预测PCOS患者早期妊娠丢失的曲线下面积(AUC)为0.836(95%CI:0.764~0.894),灵敏度为77.14%,特异度为88.24%。运用Bootstrap法对模型进行验证,计算建模组的一致性指数(C-index)值为0.836,验证组的C-index为0.827。结论 年龄、BMI、T、LH、FINS、血清25-(OH)D3均为影响PCOS患者早期妊娠丢失的独立危险因素,在此基础上构建列线图模型能够更直观、有效预测PCOS患者早期妊娠丢失的风险,具有良好的预测效能。

卵巢-附件报告及数据系统、妇科影像报告与数据系统和简单法则风险预测模型鉴别诊断卵巢良、恶性肿瘤

目的对比卵巢-附件报告及数据系统(O-RADS)、妇科影像报告与数据系统(GI-RADS)和简单法则风险预测模型(SRRisk)鉴别卵巢良、恶性肿瘤的价值。方法回顾性分析622例经病理证实的卵巢肿瘤的超声声像图,并分别以O-RADS、GI-RADS及SRRisk进行分类。采用受试者工作特征(ROC)曲线观察各方法鉴别卵巢良、恶性肿瘤的效能,比较其曲线下面积(AUC)、敏感度、特异度及准确率差异。结果622例中,454例良性、168例恶性(包含交界性)卵巢肿瘤。O-RADS、GI-RADS、SRRisk鉴别卵巢良、恶性肿瘤的AUC分别为0.94、0.93及0.93,敏感度分别为93.45%、91.67%及86.91%,特异度分别为88.33%、88.77%及89.87%,准确率分别为89.71%、89.55%及89.07%;其AUC、特异度、准确率相当(P均>0.05),而O-RADS的敏感度(93.45%)高于SRRisk(86.91%,χ^(2)=7.69,P<0.01),GI-RADS的敏感度(91.67%)与O-RADS及SRRisk相当(χ^(2)=0.80、3.50,P均>0.05)。结论O-RADS、GI-RADS及SRRisk鉴别卵巢良、恶性肿瘤的效能均较高且彼此相当。

肿瘤标志物、卵巢恶性肿瘤风险预测模型及D-二聚体对卵巢上皮性肿瘤良恶性质的鉴别价值分析

目的探讨卵巢上皮性肿瘤的临床特征,并评估糖类抗原125(CA125)、人附睾蛋白4(HE4)、卵巢恶性肿瘤风险预测模型(ROMA)及D-二聚体对鉴别卵巢上皮性肿瘤良恶性质的价值。方法选取2019年12月至2021年5月在武汉大学人民医院妇科住院接受治疗的123例卵巢上皮性肿瘤患者作为研究对象,其中包括良性肿瘤患者61例,恶性肿瘤患者62例。收集所有患者的临床资料及血清肿瘤标志物、D-二聚体水平,并绘制受试者工作特征(ROC)曲线比较不同指标鉴别卵巢上皮性肿瘤良恶性质的价值。结果68.85%的卵巢良性肿瘤患者由体检发现,而61.29%的恶性肿瘤患者因出现腹痛、腹胀症状而就诊。绝经后病例中恶性肿瘤占77.08%(37/48),明显高于良性肿瘤;恶性肿瘤患者血清CA125、HE4、ROMA指数及D-二聚体均高于良性肿瘤患者。ROMA指数鉴别诊断卵巢上皮性肿瘤良恶性质的灵敏度高于CA125、HE4,CA125、HE4及ROMA指数联合检测可进一步提高诊断灵敏度,HE4诊断的特异度最高。将患者按照绝经情况分组,ROMA指数在绝经前后的截断值分别为11.73%、28.59%。结论围绝经期及绝经后女性应增加体检次数,早期发现卵巢肿瘤并加以处理;血清HE4、CA125、ROMA指数可用于卵巢上皮性肿瘤良恶性质的鉴别,ROMA指数对卵巢上皮性肿瘤良恶性质鉴别诊断的价值优于CA125和HE4单独检测。

胸苷激酶1和卵巢恶性肿瘤风险评估模型预测及早期诊断卵巢上皮癌的研究进展

卵巢上皮癌(EOC)约占中老年女性卵巢肿瘤的80%,由于其生物学行为凶险,死亡率居高不下,早期诊断可明显改善患者生存率。胸苷激酶1(TK1)浓度与肿瘤恶性程度呈正相关,检测TK1可提高对EOC早期鉴别诊断的效率。卵巢恶性肿瘤风险评估模型(ROMA)可高效地筛查盆腔包块患者中的EOC低风险人群,对卵巢良恶性肿瘤术前鉴别及预测更准确、易行。近年来两者在卵巢癌诊断及预测领域已成为研究热点,本文就TK1和ROMA在预测与早期诊断EOC中的研究进展进行综述。

卵巢癌术后患者Cox比例风险模型的构建与验证

目的基于常规临床资料构建卵巢癌术后患者预后模型,初步探讨影响生存的因素,为预后评估提供参考。方法回顾性分析293例卵巢癌术后患者的临床资料及随访结局,通过Cox比例风险回归法构建预后模型,采用受试者工作特征(ROC)曲线评价模型的预测效能,基于模型分值的P_(25)和P_(75)为界点将具有完整随访结局的患者分为低、中、高风险组,Kaplan-Meier法进行生存分析以验证模型的预后分类能力。结果(1)多因素Cox回归分析显示:年龄、FIGO分期、肿瘤直径、淋巴结转移、远处转移、腹水、术前PLT与患者生存预后独立相关(P<0.05)。以上述指标构建Cox比例风险模型,计算公式:风险指数(risk index,RI)=0.452年龄(50-60)岁+0.799年龄(>60岁)+0.297FIGO分期+0.281淋巴结转移+0.774远处转移+0.473腹水+0.239肿瘤直径+0.402术前PLT(≥300×10^(9)/L)。(2)ROC分析显示:RI预测3年死亡的ROC曲线下面积(AUC)是0.71(95%CI:0.646-0.774),以RI=1.869为截断点(Youden指数最大),预测的敏感性和特异性分别0.754和0.589。RI预测5年死亡的AUC是0.753(95%CI:0.679-0.827),当RI=1.767时,敏感性为0.737,特异性为0.750。(3)生存分析显示,低风险组、中风险组和高风险组的生存曲线无交叉平行下移,三组中位生存时间分别为44(95%CI:35.433-52.567)个月、36(95%CI:29.745-42.255)个月和23(95%CI:13.171-32.829)个月,累积生存率有显著统计学差异(χ^(2)=23.762,P=0.000)。结论本研究构建的Cox比例风险模型对卵巢癌术后患者预后预测具有良好的效能,有助于卵巢癌患者预后分层和高风险人群的识别。

基于meta分析的肿瘤患者经外周置入中心静脉导管相关性静脉血栓形成风险预测模型构建

目的:采用Meta分析构建肿瘤患者经外周置入中心静脉导管(peripherally inserted central catheter,PICC)导管相关性静脉血栓形成风险预测模型。方法:系统检索探讨肿瘤患者PICC导管相关性静脉血栓形成危险因素的前瞻性和回顾性研究,经质量评价及数据提取后,采用meta分析合并结果以获得各个危险因素的综合危险度(pooled odds ratio,ORP),并以综合危险度的自然对数转换值为基础构建风险预测模型。结果:经文献检索及筛查后,最终纳入符合标准的文献6篇,包括1277例患者,其中病例组和对照组分别包括253和1 024例。Meta分析显示:基于累积样本的血栓发生率为19.81%。通过数据筛选,有5个危险因素进入模型,包括:COPD、高血压、糖尿病、化疗史、活动量减少,其综合危险度分别为:1.824,1.624,1.986,3.074和1.563。结论:以Meta分析结果为基础建立了具有循证基础的肿瘤患者PICC导管相关性静脉血栓形成风险预测模型。