孤立性肺结节良恶性判别数学模型的建立与验证
目的 分析筛选出与孤立性肺结节(solitary pulmonary nodules,SPN)恶性概率相关的一组临床资料,建立并验证了SPN良恶性判别的数学模型,并将该模型与国内李运模型和国外Mayo模型、VA模型进行比较.方法 分别收集2011年1月至2014年11月在第二军医大学长海医院手术切除并明确病理的资料252例,总结性别、年龄、症状、吸烟史、肺部基础疾病史、既往肿瘤家族史、结节部位、最大直径、边界清楚、边缘光滑、毛刺、分叶、棘突、胸膜凹陷征、血管集束征、透亮影等资料.从252例资料中选出83例作为验证组(B组),剩余169例作为建模组(A组);同时从B组数据中剔出6例使得其剩余的77例数据均符合其他3个模型的入选和排除条件并组成C组.通过Logistic分析A组资料筛选出与SPN良恶性相关的5个独立因子,构建良恶性概率判别模型.并用B组验证本文模型、C组分别对四个模型进行统一验证和比较.结果 年龄、既往肿瘤史、最大直径、钙化、透亮影这5项因素的差异在良性和恶性SPN之间有统计学意义(P＜0.05).建立的SPN良恶性概率数学判别方程,将B组数据代入公式,得出的model ROC (receiver operating characteristic)曲线下面积(AUC)为0.905±0.036,灵敏性为79.3％、特异性为84.0％、阳性似然比为4.957、阴性似然比为0.246、阳性预测值为0.920、阴性预测值0.636.将C组数据验证长海模型AUC为0.893±0.040,李运模型AUC为0.817±0.056,Mayo模型AUC为0.804±0.050,VA模型AUC为0.780±0.057.结论 患者年龄、肿瘤史、结节最大直径、钙化、透亮影是SPN良、恶性判别的独立预测因子,通过Logistic回归建立的数学模型有一定的临床应用价值.对于本研究的患者病例,长海模型比李运模型、Mayo模型、VA模型预测效果都更有效.
孤立性肺结节、logistic模型、肺肿瘤、临床病理学
36
R734.2(肿瘤学)
2015-05-25（万方平台首次上网日期，不代表论文的发表时间）
407-412
