论文部分内容阅读
第一部分涂阴肺结核的人口学及临床特征的研究目的探讨涂阴肺结核(smear negative pulmonary tuberculosis,SNPT)的人口学和临床特征,确定识别SNPT的主要预告因素,为SNPT的诊断提供科学依据。方法本研究采用病例对照研究方法,对272例SNPT病例和288例非结核疾病患者进行问卷调查,收集其一般情况、既往病史、现病史、胸部X线表现及实验室检查共5大项41小项的特征指标信息,并对其进行单因素分析,有统计学意义的变量再作多因素非条件Logistic回归分析来确定SNPT的主要预告因素。结果单因素分析结果显示饮酒、已婚、无卡痕、咳痰、盗汗、低烧、午后低烧、乏力、纳差、消瘦、胸痛、胸闷、咳嗽持续时间、咳痰持续时间、盗汗持续时间、胸闷持续时间、异常红细胞压积(HCT)、血沉(ESR)增高、胸片病变部位、病变累及肺野数、胸膜粘连、胸腔积液及有无空洞与SNPT密切相关。经多因素Logistic回归分析,体重下降、盗汗、乏力、胸闷、胸片异常表现的部位及胸膜粘连等6个变量最终进入多因素Logistic回归模型。这6个变量是SNPT的主要预告因素。结论SNPT病例缺乏典型结核中毒临床症状,胸部X线表现特异性差,SNPT病人胸片出现空洞的可能性较小。盗汗、乏力、体重下降、胸膜粘连、胸部X线异常表现在上肺区及上中肺区高度预测SNPT。第二部分涂阴肺结核诊断记分系统的研究目的建立SNPT诊断记分系统,来帮助医生识别涂阴病人中的结核(tuberculosis,TB)病人,进而控制TB的发生和流行。方法560例研究对象按4∶1的比率随机分为建模样本和测试样本。利用建模样本根据第一部分筛选出的SNPT主要预告因素的Logistic回归系数(β系数)及ROC曲线来研制诊断记分系统,然后通过测试样本对诊断记分系统的诊断性能进行评价。结果记分系统得分范围为-3至13。得分小于4的患者,为SNPT的可能性小;得分大于等于4是SNPT的可能性大。建模样本和测试样本诊断的正确率、灵敏度及特异度分别为88.4%和86.6%,91.3%和84.8%,86.4%和89.1%,ROC曲线下面积分别为0.888±0.017和0.870±0.037。结论记分系统诊断SNPT的灵敏度及特异度均较高,可操作性强,作为SNPT的诊断工具,有良好的诊断性能,值得进一步探讨。第三部分基于人工神经网络技术的涂阴肺结核诊断模型的研究目的应用人工神经网络(artificial neural network,ANN)技术,建立基于ANN的SNPT诊断模型并研究其诊断性能。方法第二部分中的建模样本和测试样本作为该部分研究的训练样本和校验样本。利用训练样本以单因素Logistic回归分析筛选出对SNPT诊断有意义的单项参数指标并建立误差反向传播网络(error back-propagation network,BP网络)的诊断模型,训练样本采用有导师学习系统,通过训练(学习)来获得判别函数,然后利用这些判别函数来判决未知样本所属的类别,而校验样本是为了检验从训练样本得到的识别函数的可靠程度,从而选择ANN网络结构及判断训练终止点。通过受试者工作特征曲线(receiver operator characteristic curve,ROC)下面积、灵敏度及特异度做网络诊断性能的评价。结果得到的ANN模型结构为(29-9-1)-BP型。模型在训练样本和测试样本诊断的正确率、灵敏度及特异度分别为93.30%和91.07%,90.78%和90.91%,95.45%和91.30%,ROC曲线下面积分别为0.984±0.004和0.955±0.018。结论(29-9-1)-BP型网络模型可作为SNPT的诊断工具,有良好的诊断性能,值得进一步探讨。第四部分记分系统及ANN诊断模型真实性评价研究目的通过证实样本来检验并比较记分系统及ANN模型在SNPT诊断中的真实性。方法应用以上构建的SNPT诊断记分系统及(29-9-1)-BP网络对此证实样本资料进行诊断,计算各自的灵敏度、特异度及一些相关的指标。分别建立诊断记分系统及ANN诊断模型的ROC曲线,比较两者ROC曲线下面积,通过两样本配对t检验分析差异有无统计学意义。结果记分系统及ANN诊断模型在证实样本中的正确率分别为82.76%和93.10%,灵敏度分别为84.21%和89.47%,特异度分别为80.00%和100%。Youden指数、阳性似然比、粗符合率分别为:0.64和0.89,4.21和∝,82.76%和93.10%;阴性似然比、误诊率、漏诊率分别为:0.197和0.105,17.24%和6.90%,15.79%和10.53%。记分系统和ANN诊断模型ROC曲线下面积分别为0.926±0.049,0.989±0.014。经过曲线下面积配对t检验,两种方法之间无显著性差异(P>0.05)。结论对疑似SNPT病人,记分系统和ANN诊断模型的诊断率都很高,与传统方法相比都简单易行,无创,因而它们有望成为SNPT诊断的新方法。