论文部分内容阅读
目的检测原发性肾病综合征患儿激素使用前尿液中α1-抗胰蛋白酶（AAT）、前白蛋白（PA）及Zn-α2糖蛋白（ZAG）浓度，验证其能否作为肾病综合征激素疗效预测指标。方法43例原发性肾病综合征的初治患儿，留取其激素使用前的晨起中段尿，用ELISA试剂盒定量检测尿液中AAT、PA及ZAG的浓度，经尿肌酐浓度校正，并随访患儿后续激素治疗效应及肾活检等相关资料，据糖皮质激素治疗后的效应分为肾病综合征激素敏感组（SSNS）及肾病综合征激素耐药组（SRNS）。同期检测15例健康儿童晨起中段尿为正常对照组（NC）。用SPSS17.0软件分析各组间数据差异。结果1. AAT在正常对照组检测阴性，经尿肌酐校正后AAT（UAAT/Cr）在SSNS及SRNS组的数值分别为0.028（0.022～0.036）及0.049（0.028～0.073），SRNS组值较SSNS组增高，两组有统计学差异（Z=2.4，P=0.02）。2. PA在正常对照组检测值为58.0（41.074.1）ng/ml，其校正值为5.38（3.169.37）×10-5，校正后PA（UPA/Cr）在SSNS及SRNS组的数值分别为1.38（0.242.65）×10-3及3.87（2.047.44）×10-3，SRNS组值较SSNS组明显增高，两组有统计学差异（Z=-3.7，P=0.000）。3. ZAG在正常对照组检测阴性，校正后ZAG（UZAG/Cr）在SSNS及SRNS组的数值分别为0.19±0.09及0.15±0.09，两组间无统计学差异（t=1.4，P=0.16）。4. UAAT/Cr、UPA/Cr及UZAG/Cr在肾活检不同病理类型间无统计学差异。结论UAAT/Cr及UPA/Cr在SRNS组较SSNS组增高，可作为原发性肾病综合征激素治疗效应的预测指标。目的联合SSNS及SRNS组间有统计学差异的指标建立预测儿童原发性肾病综合征激素疗效模型。方法收集43例原发性肾病综合征初治患儿激素使用前实验室指标，主要包括血液常规评估：血红细胞计数（RBC）、血红蛋白（HB）、血小板计数（PLT）、血白细胞计数（WBC）、中性粒细胞百分位数（N%）、淋巴细胞百分位数（L%）、嗜酸性粒细胞百分数（E%）；肝肾功能评估：血清总胆红素（TB）、血清谷丙转氨酶（ALT）、血清谷草转氨酶（AST）、血清碱性磷酸酶（ALP）、血清胱抑素C（CysC）、血清尿素氮（BUN）、血清肌酐（SCr）、血清尿酸（UA）、血清总蛋白（TP）、血清白蛋白（ALB）、血清球蛋白（GLB）、血清三酰甘油（TG）、血清胆固醇（CHOL）及血清高密度脂蛋白（HDL）；血液免疫功能评估：血清IgG、血清IgA、血清IgM、血清补体C3、外周血抑制性T细胞百分比（TS%）、辅助性T细胞百分比（TH%）、NK细胞百分比（NK%）及B细胞百分比（B%）；尿液分析：尿白细胞计数（UWBC）、尿红细胞计数（URBC）、尿微量白蛋白（UMA）、尿IgG（UIgG）、尿α1-微球蛋白（UA1M）、尿蛋白肌酐比（UPro/UCr）、尿肌酐（UCr）及体重校正后24小时尿蛋白定量（24hUPro/kg）。用SPSS17.0软件分析出有统计学差异的指标，联合第一部分验证的差异蛋白进一步建立Logistic回归模型，ROC分析其预测激素疗效效能。结果1. SSNS与SRNS组激素使用前实验室指标比较中，血小板计数、血白细胞计数、血清球蛋白水平、尿白细胞计数、尿红细胞计数、尿IgG及尿α1-微球蛋白水平在两组间有统计学差异（P<0.05）；2.血清球蛋白（OR=1.9，P=0.03）、尿α1-微球蛋白UA1M（OR=1.0，P=0.03）、校正后AAT(OR=1.2×1018，P=0.16)及校正后PA（OR=1.9，P=0.03）进入logistic回归模型(P=e-23.147+1.181GLB+1.785UA1M+0.764UAAT/Cr+1.478UPA/Cr/1+e-23.147+1.181GLB+1.785UA1M+0.764UAAT/Cr+1.478UPA/Cr)，作为预测SRNS的独立因素。3.根据回归方程各个指标单独作ROC分析其预测激素疗效，其AUC0.690.83，灵敏度63%74%，特异度63%92%（Youden指数0.350.55）；据回归模型中GLB、UA1M、UAAT/Cr及UPA/Cr联合作ROC，AUC为0.97，当Logistic预测方程cutoff值为0.56时，其灵敏度为95%，特异度为96%（Youden指数为0.91）。结论据回归模型中GLB、UA1M、UAAT/Cr及UPA/Cr联合作ROC，AUC为0.97，当Logistic预测方程P值≥0.56时，其预测儿童PNS激素耐药灵敏度为95%，特异度为96%（Youden指数为0.91），相对于单一的诊断标志物，联合多个标志物的诊断模型有着更好的预测效能。