| 应用Logistic回归分析方法研究肺部良、恶性磨玻璃结节的HRCT影像特征 |
| 投稿时间：2019-03-04 修订日期：2019-03-18 点此下载全文 |
| 引用本文：祁闻,赵红,王龙胜,郑穗生,杨进,张小艳.应用Logistic回归分析方法研究肺部良、恶性磨玻璃结节的HRCT影像特征[J].医学研究杂志,2019,48(11):41-45 |
| DOI：
10.11969/j.issn.1673-548X.2019.11.010 |
| 摘要点击次数: 2123 |
| 全文下载次数: 2150 |
|
| 基金项目:国家自然科学基金资助项目(81400058) |
|
| 中文摘要:目的 通过Logistic回归分析,筛选出对肺部良、恶性磨玻璃结节(ground glass nodule ,GGN)的鉴别诊断有意义的HRCT影像征象。方法 选自2016年1月~2017年12月在安徽医科大学第二附属医院经手术或活检病理确诊的肺部GGN病例,共96例,根据手术及病理检查结果,可分为良性GGN组及恶性GGN组,回顾性分析两组病例的临床(性别、年龄)及影像资料(病灶大小、形态、边缘、界面、密度、内部结构及邻近结构),通过χ2检验筛选出鉴别良、恶性GGN的相关因素,并建立多因素Logistic回归模型,绘制ROC曲线。 结果 96例肺部GGN中,良性组44例,恶性组52例,单因素分析显示病灶分叶征、毛刺征、界面征(模糊、清楚光整、清楚毛糙)、囊状透亮影及密度5种征象对鉴别良、恶性GGN差异有统计学意义(P＜0.05)；多因素分析显示分叶征、清楚但毛糙的边界及毛刺征与恶性GGN相关(P＜0.05)。利用回归方程得出诊断恶性GGN 的准确率为85.40%,特异性为81.80%,敏感度为88.50%,阳性和阴性预测值分别为85.19%、85.71%,ROC曲线下面积为0.907。结论具有分叶征、毛刺征及清楚毛糙边界的GGN往往提示恶性病变,这有助于提高影像诊断的准确率。 |
| 中文关键词:磨玻璃结节 肺高分辨率CT Logistic回归 良性 恶性 |
| |
|
|
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
