论文部分内容阅读
研究目的:评估中国炎症性肠病(inflammatory bowel disease,IBD)患者的出凝血情况,分析出凝血指标在预测IBD疾病状态和辅助IBD病诊断分型中的效能。研究方法:本研究纳入了2011年3月到2016年6月期间987名住院IBD患者和1027名健康对照,分析比较IBD患者与对照组血常规及凝血五项的结果。采用相关性分析、多元线性回归明确IBD患者出凝血指标与疾病状态的关系。使用受试者工作曲线(receiver operating curve,ROC)、人工神经网络(artificial neural network,ANN)、支持向量机(support vector machine,SVM)分析出凝血指标在辅助IBD诊断分型中的价值。研究结果:和对照组相比,IBD患者血小板计数增加,平均血小板体积减小,大血小板比率降低,血小板分布宽度变窄,血小板压积升高,凝血酶原时间及部分凝血活酶时间延长,纤维蛋白原水平增高,国际标准化指数增加(所有p值均小于0.001)。IBD患者出凝血异常情况与血清学活动度显著相关(几乎所有p值均小于0.05)。溃疡性结肠炎(ulcerative colitis,UC)患者的临床评分与出凝血指标显著相关;克罗恩病(Crohn’s disease,CD)患者中仅纤维蛋白原水平与临床评分有相关性(p=0.046,β=0.8)。UC患者的内镜下活动度与血小板相关指标呈显著相关;CD组的内镜评分与出凝血指标并无显著相关。多元线性回归显示在CD中,累及结肠的患者出凝血异常更为明显(所有p值均小于0.05),此外狭窄性病变以及肛周病变也与部分出凝血指标异常相关;在UC中,出凝血异常指标与病变范围呈显著相关。9个出凝血指标用于诊断IBD的ROC曲线下面积为0.784,接近中等预测价值,敏感性为71.1%,特异性为70.7%;ANN模型的诊断准确率为0.75,敏感性为73.3%,特异性为76.5%;SVM模型准确率0.744,敏感性为67.4%,特异性为77.0%。而使用出凝血指标辅助IBD分型的ROC曲线下面积为0.658;ANN模型预测准确率为0.68;SVM模型准确率0.636。研究结论:IBD患者存在明显高凝状态。出凝血指标能够较好地预测IBD疾病状态:在CD中,出凝血指标异常能够反映血清学活动、疾病部位、疾病行为以及肛周病变;在UC中,出凝血指标异常能够反映血清学活动、内镜下活动以及病变累及范围。