亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        B超特征預(yù)測(cè)甲狀腺乳頭狀癌統(tǒng)計(jì)學(xué)模型應(yīng)用價(jià)值分析

        2023-08-05 09:24:10郭建康王毅陳文杰
        關(guān)鍵詞:特征分析模型

        郭建康 王毅 陳文杰

        甲狀腺癌在全球范圍內(nèi)的發(fā)病率和檢出率均呈上升趨勢(shì),甲狀腺結(jié)節(jié)惡性率>10%[1-2]。目前,臨床指南建議所有疑似患者均需應(yīng)進(jìn)行超聲檢查,結(jié)合細(xì)針穿刺活檢(fine needle aspiration biopsy,F(xiàn)NAB)可提高疾病檢出率[3-4]。有研究表明,惡性腫瘤風(fēng)險(xiǎn)與以下特征存在關(guān)聯(lián):低回聲(hypoecho,HE)、高寬比(aspect ratio,AR)、不規(guī)則邊緣(irregular edges,IRE)、微鈣化(microcalcification,MCAL)、甲狀腺囊被膜侵犯(thyroid cyst invasion,TCI)[5],但是上述特征均無(wú)法用作識(shí)別甲狀腺惡性腫瘤的單一可靠因素。根據(jù)歐洲甲狀腺協(xié)會(huì)(European Thyroid Association,ETA)發(fā)布甲狀腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(thyroid imaging and reporting data system,TIRADS)的分級(jí)標(biāo)準(zhǔn)建議,包括ECHO、AR、IRE、MCAL和TCI在內(nèi)的高風(fēng)險(xiǎn)特征的數(shù)量增多可能表明甲狀腺腫瘤惡化的風(fēng)險(xiǎn)存在顯著升高趨勢(shì)[6]。但TIRADS未充分考慮每個(gè)超聲特征的權(quán)重因子和組合模式。目前,F(xiàn)NAB被認(rèn)為屬于臨床上最具決定性的診斷方法,但首先要懷疑惡性方可建議穿刺[7]。此外,F(xiàn)NAB在臨床實(shí)施中也存在一定的局限性,結(jié)節(jié)大小、位置、質(zhì)地等因素均可對(duì)FANB的操作過(guò)程產(chǎn)生影響,因此進(jìn)一步提高超聲評(píng)估準(zhǔn)確性具有非常重要的現(xiàn)實(shí)意義[8-9]。本研究旨在通過(guò)建立模型的方式使當(dāng)前顯示的具有高風(fēng)險(xiǎn)的超聲特征和結(jié)節(jié)大小評(píng)估甲狀腺結(jié)節(jié)惡性風(fēng)險(xiǎn),為甲狀腺乳頭狀癌臨床診斷提供有科學(xué)醫(yī)學(xué)證據(jù)。

        1 資料與方法

        1.1 一般資料

        選取2015年1月—2022年8月福建省福清市第二醫(yī)院和福建省福清市醫(yī)院診治1385例甲狀腺乳頭狀癌(papillary thyroid carcinoma,PTC)患者作為研究對(duì)象。按照隨機(jī)方法選擇PTC患者500例及良性病變患者193例用于開(kāi)發(fā)預(yù)測(cè)模型。隨機(jī)選擇PTC患者500例及良性病變病例192例進(jìn)行驗(yàn)證,即病例診斷惡性1000例,良性385例;其中女性患者1102例,構(gòu)成比為79.6%;年齡15~74歲,平均年齡(46.3±11.6)歲,中位年齡47歲。本研究經(jīng)醫(yī)院醫(yī)學(xué)倫理委員會(huì)審查批準(zhǔn)。

        納入標(biāo)準(zhǔn):(1)所有患者術(shù)前均經(jīng)超聲檢查,全部PTC組患者經(jīng)PTC甲狀腺切除術(shù)后均經(jīng)病理診斷確診為PTC,良性病例經(jīng)甲狀腺切除術(shù)后經(jīng)FNAB或病理診斷證實(shí)。(2)患者臨床資料完整。排除標(biāo)準(zhǔn):(1)合并其他惡性消耗性疾病者;(2)合并多臟器功能異常者;(3)影像學(xué)資料缺失者;(4)參與其他研究或試驗(yàn)者。

        1.2 方法

        由兩家醫(yī)院≥2名B超科醫(yī)生進(jìn)行超聲檢查,運(yùn)用彩色多普勒超聲儀(荷蘭飛利浦IU22型)檢查,探頭頻率為6~10 MHz。取患者的仰臥位,將頸部墊高并充分暴露,利用探頭在患者頸部做橫、縱、斜切面探查。對(duì)患者甲狀腺結(jié)節(jié)超聲特征進(jìn)行一下內(nèi)容評(píng)估:(1)HE;(2)IRE;(3)AR>1;(4)回聲焦點(diǎn)(echo focus,EF);(5)TCI;(6)彩色多普勒血流成像(color doppler flow imaging,CDFI)的血流情況;(7)MCAL;(8)圓形(round,R);(9)光環(huán)標(biāo)志(aura flag,AUR);(10)上位(upper upl,UPL)。根據(jù)2015年美國(guó)甲狀腺學(xué)會(huì)(American Thyroid Association,ATA)指南和TIRADS標(biāo)準(zhǔn)[10]對(duì)結(jié)節(jié)是否為惡性腫瘤進(jìn)行判斷。根據(jù)(1)~(5)超聲特征數(shù)量將PTC患者分為4A(1個(gè))、4B(2個(gè))、4C(3個(gè)或4個(gè))和5(5個(gè))等4個(gè)等級(jí)。臨床特征與5種超聲特征相匹配,同時(shí)對(duì)單一指標(biāo)診斷惡性的參數(shù)進(jìn)行計(jì)算和分析。

        1.3 觀察指標(biāo)

        分析患者超聲特征指標(biāo)和病理檢診斷的結(jié)果;分析結(jié)節(jié)超聲特征與PTC的關(guān)系;分析PTC結(jié)節(jié)大小與超聲特征關(guān)聯(lián);分析預(yù)測(cè)模型和受試者工作特征(receiver operating characteristic,ROC)曲線;分析不同結(jié)節(jié)大小患者模型的曲線下面積(area under curve,AUC);根據(jù)超聲特征的數(shù)量模型進(jìn)行概率計(jì)算。

        1.4 統(tǒng)計(jì)學(xué)方法

        采用SPSS 23.0統(tǒng)計(jì)學(xué)軟件進(jìn)行數(shù)據(jù)分析。計(jì)量資料用(±s)表示;計(jì)數(shù)資料采用n(%)表示,比較采用χ2檢驗(yàn)。單因素和多因素Logistic回歸分析結(jié)節(jié)超聲特征與PTC的關(guān)系,以確診PTC作為因變量,以超聲特征為自變量,評(píng)估自變量有效性的顯著性水平設(shè)定為P<0.05,針對(duì)訓(xùn)練和測(cè)試數(shù)據(jù)集的OR及95%CI進(jìn)行計(jì)算。通過(guò)PTC的概率的方程式分析驗(yàn)證組數(shù)據(jù)。對(duì)確診PTC組中將測(cè)試推導(dǎo)預(yù)測(cè)模型(推導(dǎo)集)應(yīng)用于隨機(jī)選擇的50%患者,為其余50%的數(shù)據(jù)提供驗(yàn)證集。應(yīng)用ROC曲線對(duì)模型進(jìn)行評(píng)估,通過(guò)計(jì)算AUC獲取真實(shí)結(jié)果的比例。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

        2 結(jié)果

        2.1 超聲特征指標(biāo)和病理診斷對(duì)1385例甲狀腺腫瘤良惡性的檢出情況

        不同超聲特征指標(biāo)對(duì)1385例甲狀腺腫瘤患者良惡性的檢出符合例數(shù)不同,排前五的超聲特征分別是AR(1117例)、ECHO(1019例)、EF(808例)、IRE(648例)、TCI(598例)。見(jiàn)表1。

        表1 超聲特征指標(biāo)對(duì)1385例甲狀腺腫瘤良惡性的檢出情況(例)

        2.2 結(jié)節(jié)超聲特征與PTC的相關(guān)性分析

        對(duì)結(jié)節(jié)中10個(gè)PTC潛在超聲預(yù)測(cè)因子進(jìn)行單因素Logistic回歸分析,ECHO(OR=4.294)、IRE(OR=1.736)、AR(OR=19.329),EF(OR=1.953)和TCI(OR=4.672),R(OR=0.800)6個(gè)特征與PTC存在相關(guān)性,具有預(yù)測(cè)甲狀腺腫瘤的價(jià)值(P<0.05),其中以AR和TCI的OR水平較高。CDFI(OR=0.879)、MCAL(OR=0.789)、AUR(OR=0.944)、UPL(OR=0.979)不具備預(yù)測(cè)價(jià)值(P>0.05)。多因素Logistic回歸分析顯示ECHO、AR、MCAL,ITC 4個(gè)超聲特征為PTC獨(dú)立預(yù)測(cè)因子。見(jiàn)表2、表3。

        表2 結(jié)節(jié)超聲特征與PTC的單因素Logistic回歸分析

        表3 結(jié)節(jié)超聲特征與PTC的多因素Logistic回歸分析

        2.3 PTC結(jié)節(jié)大小與超聲特征關(guān)系

        對(duì)不同結(jié)節(jié)大小患者5項(xiàng)超聲特征的OR值進(jìn)行統(tǒng)計(jì)并根據(jù)結(jié)節(jié)大小[<0.3 cm、0.3~0.5 cm(不包含0.5 cm)、0.5~1.0 cm、>1.0 cm]將患者分為四組,分別為354例、393例、379例、259例;結(jié)果顯示ECHO在四組中均具有動(dòng)態(tài)OR值,其中0.5~1.0 cm組OR值最大,>1.0 cm組者OR值最?。▓D1A);≥0.3 cm組IRE模式隨著結(jié)節(jié)大小的增加而減少(圖1B);四組AR 的OR值相似(圖1C);EF和TCI的OR值隨著結(jié)節(jié)大小的增加而增加(圖1D和1E)。見(jiàn)表4。

        圖1 超聲特征的OR值與結(jié)節(jié)大小關(guān)聯(lián)

        表4 PTC結(jié)節(jié)大小與超聲特征關(guān)系

        2.4 預(yù)測(cè)模型和ROC曲線

        PTC在甲狀腺結(jié)節(jié)中臨床預(yù)測(cè)模型表達(dá)了惡性概率與所識(shí)別的超聲特征和結(jié)節(jié)大?。ā?.5 cm,結(jié)節(jié)大?。╪odule size,Ns))之間關(guān)聯(lián),如下:

        (1)甲狀腺惡性腫瘤概率=eχ/(1+eχ),其中e為自然對(duì)數(shù)之底;(2)χ=-2.06+3.581×ECHO+0.693×AR+0.782×EF+3.243×TCI-1.12×Ns。統(tǒng)計(jì)結(jié)果如表3所示。

        為建模和驗(yàn)證數(shù)據(jù)集開(kāi)發(fā)ROC曲線,預(yù)測(cè)模型可以區(qū)分良性和惡性。AUC在模型構(gòu)建數(shù)據(jù)集中為0.856(圖2A),在驗(yàn)證數(shù)據(jù)集中為0.828(圖2B)。TIRADS之后的AUC被計(jì)算在建模和驗(yàn)證數(shù)據(jù)集中,分別為0.710和0.749(圖2C和2D)。結(jié)果表明該模型預(yù)測(cè)PTC的準(zhǔn)確性高于TIRADS(χ2=5.364,P<0.05)。

        圖2 甲狀腺結(jié)節(jié)預(yù)測(cè)模型和TIRADS受試者工作特征曲線注:2A示模型曲線源自1000例患者的建模數(shù)據(jù)(AUC=0.856);2B示模型曲線源自經(jīng)過(guò)驗(yàn)證的數(shù)據(jù),包括385例患者(AUC=0.828);2C示TIRADS曲線源自1000例患者建模數(shù)據(jù)(AUC=0.710);2D示TIRADS曲線來(lái)自經(jīng)過(guò)驗(yàn)證的數(shù)據(jù),包括385例患者(AUC=0.749)。

        2.5 不同結(jié)節(jié)大小患者模型的AUC分析

        建模和驗(yàn)證數(shù)據(jù)集根據(jù)結(jié)節(jié)大?。ǎ?.5 cm或≥0.5 cm)分為兩組。ROC曲線基于建模及驗(yàn)證數(shù)據(jù)集開(kāi)發(fā),結(jié)果顯示<0.5 cm 和≥0.5 cm的建模數(shù)據(jù)集組AUC分別為0.824和0.995(圖3A和3B);對(duì)于驗(yàn)證數(shù)據(jù)集,<0.5 cm組及≥0.5 cm組中AUC分別為0.838和0.882(圖3C和3D)。

        圖3 不同大小甲狀腺結(jié)節(jié)預(yù)測(cè)模型受試者工作特征曲線分析注:3A、3B分別示模型曲線源自1026例結(jié)節(jié)大小<5 mm、≥5 mm患者的數(shù)據(jù)(3A:AUC=0.824;3B:AUC=0.995);3C、3D來(lái)自535例患者驗(yàn)證數(shù)據(jù)曲線,結(jié)節(jié)大小<5 mm(3C:AUC=0.838)、≥5 mm(3D:AUC=0.882)。

        2.6 不同結(jié)節(jié)特征聯(lián)合檢測(cè)惡性概率

        根據(jù)2015ATA,具有ECHO加上一項(xiàng)或多項(xiàng)超聲風(fēng)險(xiǎn)特征結(jié)節(jié)高度懷疑惡性腫瘤(70%~90%),但精準(zhǔn)性較差。本研究中,ECHO加1個(gè)其他超聲特征(AR)結(jié)節(jié)惡性概率達(dá)73.8%,ECHO加2個(gè)特征的結(jié)節(jié)(AR+EF)惡性概率為81.7%,具有ECHO加上3個(gè)特征的結(jié)節(jié)(EF+AR+TCI)惡性概率分別為92.2%(圖4),3種不同結(jié)節(jié)特征聯(lián)合檢測(cè)惡性概率比較,差異有統(tǒng)計(jì)學(xué)意義(ECHO+1vs. ECHO+2:χ2=18.038,ECHO+1vs. ECHO+3:χ2=119.972,ECHO+2vs. ECHO+3:χ2=48.581,均P<0.001)。結(jié)果表明本次研究所用模塊PTC指示風(fēng)險(xiǎn)優(yōu)于2015ATA。

        圖4 模型預(yù)測(cè)具有不同超聲特征數(shù)量的惡性結(jié)節(jié)的惡性概率

        3 討論

        本研究分析了5種典型預(yù)測(cè)甲狀腺惡性腫瘤的超聲特征,提示5個(gè)特征中ECHO有最高奇數(shù)值,與大部分既往研究結(jié)果存在一致性[11-12]。此外,本次研究結(jié)果表明結(jié)節(jié)大小為影響ECHO準(zhǔn)確性的重要影響因素。對(duì)于結(jié)節(jié)<0.5 cm患者,ECHO OR值明顯大于結(jié)節(jié)大小≥0.5 cm患者(圖1A),故而若低回聲性的特異性較低時(shí)應(yīng)建議在建模時(shí)將結(jié)節(jié)大?。ā?.5 cm)納入考慮范疇。本研究建立的模型中,ROC顯示不同結(jié)節(jié)大小的所有AUC>0.8(圖3),表明即使在小結(jié)節(jié)(<0.5 cm)中,本研究建立的模型也可以很好地預(yù)測(cè)PTC。本研究發(fā)現(xiàn)不僅ECHO的OR,而且AR和MCAL的OR值在不同大小的結(jié)節(jié)中具有可變性(圖1B、1C),只有當(dāng)結(jié)節(jié)≥5 cm時(shí),可檢出顯著的OR值。根據(jù)本研究的數(shù)據(jù),IRE無(wú)法支持不同組中的重要OR;相反,結(jié)節(jié)大小對(duì)TCI的OR值影響有限。通常情況下,應(yīng)用ECHO、AR和MCAL對(duì)PTC風(fēng)險(xiǎn)進(jìn)行評(píng)估,需要考慮結(jié)節(jié)大小。

        綜合5種超聲特征預(yù)測(cè)甲狀腺惡性腫瘤的可靠度明顯高于單一超聲特征。本研究開(kāi)發(fā)了用于預(yù)測(cè)PTC的邏輯模型,該模型可以將建模和驗(yàn)證數(shù)據(jù)集的AUC明顯高于使用TIRADS的準(zhǔn)確度。這可能是由于該模型考慮了超聲特征和組合模式的權(quán)重因子,即使在小結(jié)節(jié)(<0.5 cm)中,該模型也能提供高水平的AUC(圖3),可能有利于臨床早期診斷。故而,本次研究模型PTC預(yù)測(cè)可靠度明顯高于一種超聲特征。本文內(nèi)容體現(xiàn)了《甲狀腺結(jié)節(jié)和分化型甲狀腺癌診治指南》[13]的臨床參考或執(zhí)行標(biāo)準(zhǔn)。

        本研究的模型給出了各個(gè)超聲特征的風(fēng)險(xiǎn)概率,且清楚地表明具有更多超聲特征的結(jié)節(jié)具惡性概率更高(圖4),應(yīng)用ECHO、AR、EF、TCI和結(jié)節(jié)大小的建立的模型可以將AUC提高;對(duì)于提高疾病診斷準(zhǔn)確率有非常重要的價(jià)值,可為臨床制定抗癌方案提供指導(dǎo),還能夠根據(jù)超聲特征變化情況對(duì)治療方案進(jìn)行相應(yīng)的調(diào)整;能夠使患者病情惡化或者進(jìn)展風(fēng)險(xiǎn)得到抑制,有利于穩(wěn)定和改善其病情,維護(hù)其生命安全。

        猜你喜歡
        特征分析模型
        一半模型
        隱蔽失效適航要求符合性驗(yàn)證分析
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        如何表達(dá)“特征”
        不忠誠(chéng)的四個(gè)特征
        電力系統(tǒng)不平衡分析
        電子制作(2018年18期)2018-11-14 01:48:24
        抓住特征巧觀察
        電力系統(tǒng)及其自動(dòng)化發(fā)展趨勢(shì)分析
        3D打印中的模型分割與打包
        亚洲天堂亚洲天堂亚洲色图| 少妇极品熟妇人妻无码| 无码不卡免费一级毛片视频| 日韩极品视频在线观看免费| 女女同女同一区二区三区| 免费国产a国产片高清网站| 国产内射在线激情一区| 国产三级黄色在线观看| 老熟妇嗷嗷叫91九色| 妺妺窝人体色www在线| 五十路丰满中年熟女中出| 久久综合网天天 | 精品一区二区三区免费播放| 国产婷婷丁香五月麻豆| 中文字幕视频二区三区| 国产在线观看自拍av| 曰韩人妻无码一区二区三区综合部 | 少妇性l交大片免费1一少| 亚洲av丰满熟妇在线播放| 国产福利酱国产一区二区| 国产一区二区三区精品久久呦| 青青草视频免费在线播放| 中文字幕亚洲无线码在线一区| 2019日韩中文字幕mv| 亚洲av无码一区二区三区在线| 性无码国产一区在线观看| 日本一区二区三区四区啪啪啪| 免费看av在线网站网址| 亚洲日本三级| 亚洲中文字幕在线精品2021| 亚洲一区精品无码| 人人玩人人添人人澡| 四虎国产精品成人影院| 日韩有码在线观看视频| 精品少妇一区二区三区免费观| 亚洲久无码中文字幕热| 国产视频一区二区三区免费| 日韩精品无码一区二区三区四区| 天天看片视频免费观看| 国产精品涩涩涩一区二区三区免费| 国产不卡视频在线观看|