基于超声乳腺影像报告和数据系统与Logistic回归分析的良恶性乳腺肿块鉴别诊断模型的构建

目的基于超声乳腺影像报告和数据系统(BI-RADS)与Logistic回归分析构建良恶性乳腺肿块鉴别诊断模型,并分析其应用价值。方法选取156例和67例乳腺肿块患者,分别作为模型组和验证组。依据病理结果将156例模型组患者分为良性组(n=87)和恶性组(n=69),记录两组患者的临床特征和BI-RADS超声影像特征,乳腺恶性肿块的影响因素采用Logistic回归分析。根据影响因素构建良恶性乳腺肿块鉴别诊断模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),分析该模型的诊断效能。结果单因素分析结果显示,良性组和恶性组患者年龄、肿块最大直径、淋巴结肿大情况、BI-RADS分类、超声弹性评分、方位、形态、边缘、内部回声、后方回声、血供情况、结构扭曲情况和微钙化情况比较,差异均有统计学意义(P﹤0.01)。多因素Logistic回归分析结果显示,年龄≥40岁、肿块最大直径≥3 cm、方位不平行、形态不规则、边缘成角、边缘毛刺、内部回声不均匀和微钙化均是乳腺恶性肿块的独立危险因素(P﹤0.05)。根据上述8个影响因素构建良恶性乳腺肿块的鉴别诊断模型,Hosmer-Lemeshow拟合优度检验结果显示,χ^(2)=12.512,P=0.130;该模型诊断乳腺恶性肿块的AUC为0.896(95%CI:0.844~0.948),灵敏度为85.50%,特异度为85.10%,约登指数为0.706,表明该模型拟合优度良好,具有较好的诊断效能。将验证组67例患者代入诊断模型中,该模型诊断乳腺恶性肿块的AUC为0.986(95%CI:0.962~1.000),灵敏度为93.30%,特异度为100%,约登指数为0.933,说明该模型的诊断效能较好。结论基于超声BI-RADS与Logistic回归分析构建的良恶性乳腺肿块鉴别诊断模型具有较高的临床应用价值,可作为辅助手段对乳腺癌进行筛查。

儿童肺炎支原体与甲型流感病毒感染鉴别诊断模型的建立及价值研究

通过收集急诊儿科患者的临床数据和检测指标,建立一种快速、有效的鉴别诊断模型。方法 回顾性分析2023年8月至12月在我院儿科急诊就诊的563例肺炎支原体感染或流感病毒感染儿童患者的末梢全血细胞分析结果。使用倾向得分匹配法校正混杂因素,选择多个全血细胞分析指标,建立Logistic回归模型,通过ROC曲线评估模型性能。结果 Logistic回归分析建立的模型能较好地区分儿童肺炎支原体感染和甲型流感病毒感染,ROC曲线下面积为0.809(95% CI:0.767-0.851),最佳临界值为0.507,特异度为0.771,敏感度为0.752。结论 本研究建立的基于Logistic回归分析的儿童肺炎支原体感染与甲型流感病毒感染鉴别诊断模型具有良好的临床应用价值,有助于提高急门诊患儿的诊断准确性和分诊效率,降低交叉感染风险,便于基层医院推广。

基于乳头溢液标志物的乳腺良恶性疾病鉴别诊断模型的建立及价值评估

目的:检测CA125,CA153,CA199,CA724和CEA在乳腺癌和乳腺良性疾病患者乳头溢液中的表达,探讨其在乳腺良恶性疾病中的鉴别诊断价值。方法:回顾性分析73例乳腺癌和189例乳腺良性疾病患者的乳头溢液中CA125,CA153,CA199,CA724和CEA的表达,上述标志物的检测均采用采用罗氏电化学发光方法。t检验统计分析上述标志物在乳腺癌组和良性疾病组的表达差异;ROC曲线评价CEA和CA153的鉴别诊断价值,并结合患者年龄、CEA和CA153建立鉴别诊断模型;采用Pearson8t检验分析CEA和CA153在乳头溢液和血清中的相关性。结果:乳腺癌组乳头溢液中CEA(1430.09±259.29)和CA153(4058.82±119.4)的表达显著高于乳腺良性疾病组(141.33±296.34,1402.28±306.04)(P<0.001,P<0.01),但CA125,CA724,CA199在乳腺癌患者组与良性乳腺疾病组之间无显著性差异(P=0.28,0.84,0.58);CEA和CA153对乳腺良恶性疾病鉴别诊断的最佳Cut-off值分别为230.88ng/ml和639.68U/ml。CEA的曲线下面积为0.828,显著优于CA153(0.709,P=0.0004)。将年龄、CEA和CA153联合应用建立鉴别诊断模型,得到公式:-4.525+0.060*年龄+0.056*CEA+0.002*CA153,以0.73为Cut-off值,其敏感性和特异性分别为100%和95.2%;CEA在乳头溢液和血清中的表达呈正相关(r=0.9690,P<0.0001),而CA153在乳头溢液和血清中的表达无相关性(r=0.01577,P=0.95)。结论:乳头溢液CEA和CA153是较好的乳腺良恶性疾病鉴别诊断标志物,与年龄联合建立鉴别诊断模型具有更优的价值。

基于临床数据构建烟雾病与非烟雾病缺血性卒中的鉴别诊断模型

目的筛选临床上易于获得的变量构建烟雾病(MMD)与非MMD缺血性卒中的鉴别诊断模型。方法纳入确诊为MMD缺血性卒中患者150例和非MMD缺血性卒中患者150例,按照7∶3的比例分为训练组(210例)和验证组(90例)。利用Logistic回归分析、Lasso回归、支持向量机(SVM)构建诊断模型;通过列线图将最优模型可视化,并分别在训练组和验证组中检验列线图的鉴别能力。结果二分类Logistic回归模型在训练组和验证组中C统计量最大(0.87和0.88)。多因素Logistic回归分析差异有统计学意义(P<0.05)的变量为收缩压、总胆固醇(TC)、白蛋白(ALB)、游离三碘甲腺原氨酸(FT_(3))、同型半胱氨酸(HCY)、年龄,将这6个变量纳入列线图。列线图在训练组和验证组的Hosmer-Lemeshow检验P值分别为0.28、0.19,校正曲线校正度良好。列线图评分<168分为MMD缺血性卒中低风险,列线图评分≥168分为MMD缺血性卒中高风险。结论本研究构建的列线图可鉴别MMD和非MMD缺血性卒中,经过验证该模型在训练组和验证组中均有良好的鉴别能力。

脂类和补体联合检测在肺结核鉴别诊断中的应用价值

目的探讨血浆16项指标在肺结核鉴别诊断中的应用价值。方法选取2019年5月至2021年10月在上海市公共卫生临床中心及上海交通大学医学院附属仁济医院就诊的肺部疾病患者252例为研究对象,其中肺结核初治患者85例(TB组),非小细胞肺癌(NSCLC)初治患者87例(NSCLC组),社区获得性肺炎(CAP)初治患者80例(CAP组)。同期选取上述两个单位的体检健康者90例作为对照组。比较各组血浆载脂蛋白(Apo)A1、ApoA2、ApoB、ApoC2、ApoC3、脂蛋白a[Lp(a)]、总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-C)、低密度脂蛋白胆固醇(LDL-C)、小而密低密度脂蛋白胆固醇(sdLDL-C)、游离脂肪酸(NEFA)、补体C1q(C1q)、补体C3(C3)、补体C4(C4)、总补体活性(CH50)这16项指标水平。采用受试者工作特征(ROC)曲线分析比较单项指标的鉴别诊断效能,采用逐步法二元Logistic回归对差异有统计学意义的指标拟合建模,并评价回归模型的鉴别诊断效能。结果TB组血浆ApoA1、ApoA2、ApoB、ApoC2、ApoC3、TC、HDL-C、LDL-C、NEFA水平低于对照组(P<0.05),Lp(a)、C3、C4水平高于对照组(P<0.05)。TB组血浆ApoA1、ApoA2、ApoB、ApoC2、ApoC3、TC、TG、HDL-C、LDL-C、NEFA、C3水平低于NSCLC组和CAP组(P<0.05),sdLDL-C、C1q水平仅低于NSCLC组(P<0.05),CH50水平高于CAP组(P<0.05)。在单项指标中,ApoB鉴别诊断肺结核的效能最高,曲线下面积(AUC)为0.799,灵敏度为74.12%,特异度为77.84%。由4项指标(ApoB、HDL-C、NEFA、C3)共同组成的模型鉴别诊断肺结核的AUC为0.868,诊断效能高于任一单项指标。结论ApoB、C3等脂类和补体指标在肺结核患者血浆中异常表达,ApoB、HDL-C、NEFA、C3组成的模型有辅助鉴别诊断肺结核的潜能。