论文部分内容阅读
[目的]本文旨在通过回顾性分析孤立性肺结节的一般临床资料、实验室检查、影像学特征及肺结节三维重建下的影像学特征,寻找判断孤立性肺结节良恶性的危险因素及独立危险因素,建立孤立性肺结节的恶性预测模型,并计算孤立性肺结节的恶性概率,从而指导临床医师及工作者对于孤立性肺结节的处理。[方法]1.收集昆明医科大学第二附属医院胸外科、呼吸科2012年10月至2020年3月收治的共958例手术或者经皮肺穿刺活检经病理确诊的孤立性肺结节患者的一般临床资料、实验室检查、影像学特征及三维重建 下的影像学特征。2.通过IBM SPSS22.0软件对收集的数据进行统计分析,单因素Logistic及多因素Logi stic回归分析寻找孤立性肺结节良恶性的相关因素及独立危险因素,并根据多因素Logistic回归分析的结果建立孤立性肺结节的恶性预测模型,以计算孤立性肺结节的恶性概率。3.将纳入的所有病例按照7:3的比例分为训练数据集和验证数据集,训练数据集用于建立模型,验证数据集用于验证模型的准确性。[结果]本研究共纳入958例,恶性结节506例(52.82%),良性结节452例(47.18%);训练数据集共670例,验证数据集共288例。单因素Logistic回归分析得出:年龄、性别、呼吸系统疾病史、恶性肿瘤史、CEA、NLR、结节大小、结节直径,边缘特征、GGO成分比例、结节内部特征、三维影像下血管穿透征为良恶性SPN鉴别的相关因素(P≤0.05)。多因素Logistic回归分析筛选出年龄、GGO成分、血管纠集、空气支气管征象、胸膜牵拉、三维血管穿透征为SPN独立危险因子,NLR为SPN良恶性鉴别的独立性保护因子(P≤0.05)。SPN的预测回归方程为:P=ex/1+ex,e为自然对数,X=-3.14282+(0.03737 ×年龄)+(0.51374 ×空泡)+(1.87897 ×血管纠集)+(0.90573 ×空气支气管征)+(1.15055×胸膜牵拉)+(1.57413×含GGO成分)+(1.4723×三维血管穿透征)-(0.84182 × NLR)。该 SPN 预测模型的 ROC 曲线 AUC 为 0.86,95%CI 为0.832-0.888,,截取值T=0.234时,该模型的敏感度为90.8%,特异度为68.4%,符合率为80.30%。将验证数据集带入该预测模型进行验证,得出该预测模型的ROC曲线 AUC 为 0.864,95%CI 为 0.820-0.907,敏感度 77.2%,特异度为 86.3%,符合率为81.6%。[结论]1.单因素Logistic回归分析显示:年龄、恶性肿瘤史、NLR、病灶最大径、结节位置、毛刺征、GGO成分、空泡征、血管集束征、空气支气管征、胸膜牵拉征、三维血管穿透征等12个变量在良恶性中间的差异有统计学意义(P≤0.1)(表3),为SPN良恶性鉴别的相关危险因素。经多因素Logistic回归分析显示:年龄、GGO成分、血管纠集、空气支气管征象、胸膜牵拉、三维血管穿透征为SPN的独立危险因素,NLR为SPN的保护性因素。2.影像学特征在判断SPN的良恶性方面有较高的诊断效能,但是在临床实践中,SPN的诊断需要结和一般临床资料及实验室检查,将有助于SPN的诊断。3.LDCT在肺癌筛查及健康体检的广泛普及,本研究纳入的结节中,5-15mm的pGGO及mGGO所占比例较大,该模型的建立可对5-15mm的孤立性肺结节的良恶性鉴别提供一定的参考。4.随着薄层CT的运用及三维成像技术的成熟,肺结节的三维影像特征可更直观,更全面了解肺结节的微细结构,三维下的血管穿透征可了解肺结节的血供情况,对肺结节良恶性的鉴别具有重要指导意义。本研究首次将三维重建下血管穿透征纳入SPN的预测模型尚属首次,将有助与推动三维成像技术在肺结节性质判断中的运用。