目的探讨基于临床及影像特征多元Logistic回归模型在肺部新冠病毒Omicron变异株合并细菌感染诊断中的应用价值。方法回顾性收集新冠病毒Omicron变异株合并细菌感染者74例,为A组。同时段新冠病毒Omicron变异株感染者90例,为B组。通过单...目的探讨基于临床及影像特征多元Logistic回归模型在肺部新冠病毒Omicron变异株合并细菌感染诊断中的应用价值。方法回顾性收集新冠病毒Omicron变异株合并细菌感染者74例,为A组。同时段新冠病毒Omicron变异株感染者90例,为B组。通过单因素与多因素Logistic回归分析,分别构建临床特征、CT影像特征及联合诊断模型。采用受试者操作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线(decision curve analysis,DCA)评估各个模型的预测能力、校准能力和临床效能。采用DeLong检验比较不同模型之间曲线下面积(area under the curve,AUC)的差异。结果多因素Logistic回归显示,慢性阻塞性肺疾病(简称慢阻肺)、重症肺炎、实变影、胸腔积液4个自变量是独立预测因子。临床模型、CT影像模型及联合诊断模型AUC分别为0.893(95%CI:0.843~0.943)、0.838(95%CI:0.773~0.903)、0.948(95%CI:0.915~0.981)。临床与CT影像模型之间差异不具有统计学意义(Z=1.467,P=0.142)。联合诊断模型与临床、CT影像模型间差异均具有统计学意义(Z分别为3.236、4.293,P分别为0.001、<0.001)。校准曲线表明,联合诊断模型预测概率与实际概率之间的良好一致性。DCA示联合诊断模型的净收益最大。结论基于临床及影像学特征的构建的联合诊断模型诊断效能优异,可用于新型冠状病毒Omicron变异株合并细菌感染的诊断与鉴别。展开更多
文摘目的探讨基于临床及影像特征多元Logistic回归模型在肺部新冠病毒Omicron变异株合并细菌感染诊断中的应用价值。方法回顾性收集新冠病毒Omicron变异株合并细菌感染者74例,为A组。同时段新冠病毒Omicron变异株感染者90例,为B组。通过单因素与多因素Logistic回归分析,分别构建临床特征、CT影像特征及联合诊断模型。采用受试者操作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线(decision curve analysis,DCA)评估各个模型的预测能力、校准能力和临床效能。采用DeLong检验比较不同模型之间曲线下面积(area under the curve,AUC)的差异。结果多因素Logistic回归显示,慢性阻塞性肺疾病(简称慢阻肺)、重症肺炎、实变影、胸腔积液4个自变量是独立预测因子。临床模型、CT影像模型及联合诊断模型AUC分别为0.893(95%CI:0.843~0.943)、0.838(95%CI:0.773~0.903)、0.948(95%CI:0.915~0.981)。临床与CT影像模型之间差异不具有统计学意义(Z=1.467,P=0.142)。联合诊断模型与临床、CT影像模型间差异均具有统计学意义(Z分别为3.236、4.293,P分别为0.001、<0.001)。校准曲线表明,联合诊断模型预测概率与实际概率之间的良好一致性。DCA示联合诊断模型的净收益最大。结论基于临床及影像学特征的构建的联合诊断模型诊断效能优异,可用于新型冠状病毒Omicron变异株合并细菌感染的诊断与鉴别。
