基于乳腺二维超声及自动乳腺容积扫描构建影像组学及列线图模型预测乳腺癌分子分型

目的 观察基于乳腺二维超声及自动乳腺容积扫描(ABVS)构建的影像组学及列线图模型预测乳腺癌分子分型的价值。方法 回顾性分析326例经病理证实的女性单发乳腺癌患者资料,以8∶2比例将其分为训练集(n=260)及验证集(n=66),根据免疫组织化学结果划分Luminal与非Luminal亚组;基于乳腺二维超声及ABVS图像提取影像组学特征构建相应模型及联合模型。采用单因素及多因素logistic回归分析筛选乳腺癌分子分型的独立预测因素,联合影像组学评分构建列线图模型。绘制受试者工作特征(ROC)曲线,评估各模型预测乳腺癌分子分型的效能。结果 肿瘤最大径(OR=1.029)及有无汇聚征(OR=0.408)均为乳腺癌分子分型的独立预测因素(P均<0.05)。二维超声、ABVS、联合影像组学模型及列线图模型预测验证集乳腺癌分子分型的曲线下面积(AUC)分别为0.67、0.75、0.84及0.83,其中,联合影像组学模型与列线图模型AUC差异无统计学意义(P>0.05)并均高于二维超声及ABVS模型(P均<0.05)。结论 基于二维超声及ABVS构建的联合影像组学模型及列线图模...     

列线图模型对维持性血液透析患者心脏瓣膜钙化发生风险的预测及评估CSCD

目的通过构建列线图预测维持性血液透析(maintenance hemodialysis,MHD)患者心脏瓣膜钙化(cardiac valve calcification,CVC)的发生风险。方法纳入2014~2022年在南充市中心医院接受MHD治疗患者,收集基础信息、疾病信息、实验室及影像学检查数据,利用单因素、多因素Logistic回归分析相关危险因素,使用R语言软件建立预测CVC发生风险的列线图模型。采用Bootstrap法进行验证。以受试者工作特征(ROC)曲线下面积大小评估模型的预测效能,运用校准曲线、决策曲线分析(decision curve analysis,DCA)评估模型的准确度及实用性。结果共纳入MHD患者173例,其中CVC患者63例(36.4%),多因素Logistic回归分析结果显示年龄(OR=-1.046,95%CI 1.016~1.077,P=0.002)、血钙(OR=5.181,95%CI 1.015~27.252,P=0.042)、血磷(OR=2.401,95%CI 1.177~4.898,P=0.038)、糖尿病(OR=2.943,95%CI 1.397~6.195,P=0.013)、继发性甲状旁腺功能亢进(OR=2.844,95%CI 1.003~8.082,P=0.041)是CVC的独立危险因素。列线图显示出较好的辨别力,训练集ROC曲线下面积为0.757(95%CI 0.735~0.763),内部验证C-指数为0.732,测试集ROC曲线下面积为0.700(95%CI 0.695~0.714)。校准曲线结果表明实际发生CVC概率与预测概率之间良好的一致性。结论本研究构建的列线图可用于识别发生CVC的高风险人群,具有一定的临床效用。     

基于非小细胞肺癌双能CT表现及影像组学列线图模型预测其血管生成拟态

目的 基于非小细胞肺癌(NSCLC)双能CT (DECT)表现及影像组学构建联合列线图模型,分析其预测NSCLC血管生成拟态(VM)的价值。方法 回顾性分析137例经手术病理证实的单发NSCLC患者,以7 ∶ 3比例将其分为训练集和验证集。基于肺窗CT提取及筛选最优影像组学特征,计算影像组学评分。以单因素分析及多因素logistic回归分析筛选NSCLC表达VM的独立预测因素,分别以之构建临床、能谱及影像组学模型;基于独立预测因素构建联合列线图模型。采用受试者工作特征曲线评估各模型预测NSCLC VM的效能,以校准曲线分析模型的拟合度,以决策曲线分析评估模型的临床获益。结果 最终筛选出6个最优影像组学特征。病灶最大径、毛刺征、CT_{140 keV}及影像组学评分为NSCLC VM的独立预测因素(OR=2.25、9.69、0.99、-14.44,P均＜0.05)。临床、能谱及影像组学模型预测验证集NSCLC VM的曲线下面积(AUC)分别为0.83、0.85、0.87,均低于联合列线图模型(AUC=0.95,Z=2.14、2.10、2.07,P均＜0.05)。联合列线图模型预测结果与实际结果的一致性较好,且其临床获益较高。结论 基于DECT及影像组学构建的联合列线图模型能可有效预测NSCLC VM。     

预测自体动静脉内瘘成熟的列线图模型的建立

目的通过对行自体动静脉内瘘(arteriovenous fistulas,AVF)的尿毒症患者术前临床资料、彩超检查等指标构建列线图模型,探讨预测AVF成熟度的方法。方法选取2016年1月～2018年1月收治的238例确诊终末期肾病并且需要行AVF手术的患者组成建模组,收集2018年1月1日～2018年8月1日拟行AVF的尿毒症患者80例,作为验证组。收集患者相关指标,经单因素筛选临床变量后,应用Logistic回归模型进行多因素分析,确立进入最终模型变量。采用R 3.4.3统计软件建立列线图,引入最终进入多因素模型的所有变量,进一步评估模型的效能。结果 238例尿毒症患者,动静脉内瘘成熟发生率为74.8%,收缩压(OR=0.987,95%CI:0.975～0.999,P=0.032),血磷(OR=0.012,95%CI:0.312～0.866,P=0.012),总胆固醇(OR=0.694,95%CI:0.577～0.835,P=0.001),合并糖尿病(OR=0.226,95%CI:0.107～0.477,P=0.001),合并高血压(OR=0.121,95%CI:0.059～0.249,P=0.001)为影响AVF成熟的危险因素,而头静脉内径(OR=7.301,95%CI:3.369～15.821,P=0.001)、桡动脉内径(OR=3.225,95%CI=1.441～7.218,P=0.004)、桡动脉流速(OR=1.086,95%CI:1.058～1.115,P0.001)、加压后静脉内径(OR=2.955,95%CI:1.747～4.998,0.001)为影响AVF成功率的保护性因素。根据多因素分析结果,由头静脉内径(β=1.700,P0.001)、桡动脉流速(β=0.054,P0.001)、总胆固醇(β=-0.326,P=0.034)、合并高血压(β=-1.549,P=0.002)、合并糖尿病(β=-1.183,P=0.017)建立的列线图模型进行内部预测,通过bootstrap法进行内部验证,模型的校正情况良好,AVF成熟的发生率c-index为0.897。校准曲线显示列线图预测与实际观察的AVF成熟发生率有良好的一致性。受试者工作曲线(ROC曲线)分析显示验证组80例运用列线图预测AVF成熟的效能AUC为0.848(95%CI:0.745～0.952,P0.001),其诊断价值高于传统徒手检查(AUC 0.649,95%CI:0.540～0.758,P=0.028)、术前彩超筛查(AUC 0.786,95%CI:0.694～0.879,P0.001)。结论本研究构建的列线图模型较单独应用彩超或者简单依靠医生徒手检查具有更高的诊断价值。该模型更加直接、简洁的为患者提供个性化AVF成熟的预测。     

基于多维度指标预测乳腺癌术后复发的列线图模型建立及应用

目的 基于多维度指标构建预测乳腺癌术后复发的列线图模型。方法 回顾性选取2014年3月—2020年4月在本院接受手术治疗的313例单侧乳腺癌女性患者为研究对象,采用随机数字表法按7∶3的比例将患者分为建模集219例和验证集94例。在建模集中,以术后随访复发情况将患者分为复发组与非复发组。采用单因素和多因素Logistic回归模型分析乳腺癌术后复发的危险因素。基于筛选结果采用R软件绘制列线图预测模型。采用受试者工作特征(ROC)曲线和拟合优度偏差性检验评价模型的表现。采用计算机模拟重复采样法(Bootstrap)验证并绘制校准图;采用决策曲线评价模型的临床获益率。结果 建模集219例乳腺癌患者术后复发63例(28.77%)。肿瘤边缘不规则(OR=1.692, 95%CI:1.154～3.794)、Shell功能和描迹法测量距病灶3 mm范围组织的最大弹性模量值(Shell3 E_max)高(OR=2.869, 95%CI:1.795～5.392)、淋巴结转移(OR=2.071, 95%CI:1.486～4.578)、D-二聚体高表达(OR=2.264, 95%CI:1...     

基于超声特征列线图模型预测乳腺叶状肿瘤Ki-67表达水平的价值

目的:探讨基于超声特征构建的列线图模型对乳腺叶状肿瘤(PTB)Ki-67表达水平的预测价值。方法:回顾性分析119例经病理证实为PTB的超声影像学资料,根据Ki-67表达水平分为低表达组(Ki-67≤10%)82例和高表达组(Ki-67＞10%)37例。对比分析两组声像图特征的差异,包括最大径、纵横径比、形态、边缘、实质回声、囊变、钙化、后方回声、血流信号、阻力指数及收缩期峰值流速。以单因素分析及多因素Logistic回归分析筛选出预测Ki-67高表达水平的独立预测因子,基于独立预测因子构建联合列线图模型;采用Bootstrap 法进行内部验证并利用校准曲线判断模型的吻合度,绘制受试者工作特征曲线(ROC)评估模型的预测效能,以决策曲线分析模型的临床获益。结果:最大径、囊变、血流信号、收缩期峰值流速与PTB患者的Ki-67表达水平相关(P <0.05),其中最大径(OR=0.642,95% CI:0.295～0.993)、囊变(OR=0.078,95% CI:0.008～0.808)和收缩期峰值流速(OR=1.404,95% CI:1.106～1.782)是预测Ki-67高表达水平的独立预测因子(P <0.05)。列线图模型量化独立预测因子显示预测效果与实际结果的一致性良好,一致性指数(C-index值)为0.814(95% CI:0.710～0.913)。ROC曲线分析表明独立预测因子的联合预测概率模型效能[曲线下面积(AUC)=0.812]优于各单独指标中的最大径(AUC=0.696)、囊变(AUC=0.705)及收缩期峰值流速(AUC=0.736),且当阈值为0.10～0.48时,其临床获益较高。结论:利用超声特征构建的列线图模型可用于预测PTB患者的Ki-67 表达水平,该模型具有较高的准确性和可靠性。     

个体化预测维持性血液透析患者口渴风险的列线图模型建立CSCD

目的 构建个体化预测维持性血液透析(maintenance hemodialysis,MHD)患者口渴风险的列线图模型。方法 以便利抽样调查方法选取2021年5月~2022年5月淮安市第二人民医院血液净化中心收治的200例MHD患者,采用自制调查问卷、透析口渴量表(dialysis thirst inventory,DTI)进行调查,依据DTI量表得分情况将200例MHD患者分为口渴组(DTI≥16分,n=36)与无口渴组(DTI<16分,n=164),用Logistic回归分析筛选影响MHD患者口渴风险的危险因素;采用R软件构建预测MHD患者口渴风险的列线图模型,且用ROC曲线、校准曲线进行列线图模型验证。结果 Logistic回归分析结果提示有糖尿病史(OR=3.174,95%CI:1.033~9.750,P=0.044)、口腔干燥量表(xerostomia inventory,XI)评分(OR=1.331,95%CI:1.201~1.475,P<0.001)、透析间期体质量增长率(OR=4.417,95%CI:2.054~9.497,P<0.001)是MHD患者口渴风险的独立危险因素。利用以上3个风险预测指标构建预测MHD患者口渴风险的列线图模型,模型验证结果显示:ROC曲线下面积0.897(95%CI:0.840~0.953)。校准曲线斜率接近1,且H-L拟合优度检验χ^(2)=8.830,P=0.357。结论 基于糖尿病史、XI评分、透析间期体质量增长率等3项指标构建的列线图模型对MHD患者口渴风险有较好的预测效能。     

根治性前列腺切除术后Gleason分级升高的相关因素及预测列线图模型的建立

目的分析前列腺穿刺活检Gleason分级≤4级患者根治性前列腺切除术(RP)后Gleason分级升高(GGU)的相关因素,并建立预测GGU的列线图模型。方法回顾性分析2017年1月—2020年1月河南省人民医院收治的78例穿刺活检Gleason分级≤4级并行RP治疗的患者的临床和病理资料。根据RP后Gleason分级情况分为升高组(n=42)和非升高组(n=36),采用单因素和多因素Logistic回归分析筛选GGU的相关因素,建立预测列线图模型并进行内部验证。结果本研究中RP后Gleason分级升高42例(53.8%),不变24例(30.8%),下降12例(15.4%)。多因素Logistic回归分析显示, RP前内分泌治疗(OR=3.888,P=0.015)、游离前列腺特异性抗原(FPSA)(OR=1.185,P=0.036)、淋巴细胞(OR=0.271,P=0.027)与GGU相关。以上述因素构建预测列线图模型并进行内部验证,该模型的曲线下面积(AUC)为0.779(95%CI为0.677~0.881), C指数为0.657,平均绝对误差为2.0%。结论在前列腺穿刺活检Gleason分级≤4级的患者中, RP术前有内分泌治疗史、FPSA越高、淋巴细胞越低者, RP术后GGU的可能性越大。基于上述因素建立的预测列线图模型具有一定的临床应用价值。     

神经外科重症患者肠内营养喂养不耐受动态列线图预测模型的构建与应用

目的 构建神经外科重症患者肠内营养喂养不耐受(ENFI)的动态列线图预测模型并验证其预测效果。方法 便利选取山东省某三甲医院神经外科重症监护室2020年8月-2023年3月收治的205例患者，以7∶3的比例将患者分为建模集(n=144)和验证集(n=61)。通过Lasso回归筛选预测因子，采用多因素logistic回归分析建立神经外科重症患者ENFI的动态列线图预测模型。采用Hosmer-Lemeshow检验判断模型的拟合度，采用受试者工作特征(ROC)曲线下面积(AUC)检验模型的区分度。利用验证集数据绘制ROC曲线、校准曲线，进行外部验证，绘制决策曲线(DCA),验证模型的临床使用价值。结果 患者ENFI的发生率建模集为47.2%,验证集为50.8%。最终纳入模型的预测变量为平均动脉压(OR=0.943)、格拉斯哥昏迷评分(OR=0.240)、联合使用2种以上抗生素(OR=4.615)、出入量(OR=0.156)。内部验证：AUC为0.869,95%CI为0.810～0.928。Hosmer-Lemeshow检验(χ²=5.601,P=0.692,灵敏度为0....     

胃肠道手术术前风险度列线图评价模型的建立

目的通过分析胃肠道手术术后并发症的危险因素,建立术前列线图评价模型,并评价预测术后并发症的准确性,为分级护理提供依据。方法选择2015年1月至2018年1月本院普外科收治的胃肠道手术患者323例作为研究对象,其中发生术后并发症的患者78例作为并发症组,无发生并发症的患者245例作为对照组。建立胃肠道手术患者评分系统,并进行并发症单因素分析,将有统计学意义的指标纳入多因素Logistic回归模型,分析胃肠道手术术后并发症的危险因素。根据回归分析结果,建立列线图术前评价模型。利用ROC曲线及Hosmer-Lemeshow检验评价模型预测效能。结果多因素分析显示,心血管系统评分(OR=4.983, 95%CI:2.123～11.750)、呼吸系统评分(OR=2.132, 95%CI:1.081～4.204)、高血压评分(OR=2.154, 95%CI:1.030～4.502)、肝储备功能评分(OR=4.505, 95%CI:2.232～9.092)、营养状态评分(OR=3.150, 95%CI:1.057～9.388)、肾脏功能评分(OR=3.496, 95%CI:1.856～6.586)、昏迷评分(OR=1.842, 95%CI:1.004～3.377)是发生术后并发症的危险因素(均P0.05)。ROC曲线显示列线图模型预测胃肠道手术术后并发症曲线下面积(area under the ROC curve,AUC)为0.982(95%CI:0.971～0.992),特异性为89.80%,敏感性为96.15%。结论基于心血管系统评分、呼吸系统评分、高血压评分、肝储备功能评分、营养状态评分、肾脏功能评分、昏迷评分建立预测胃肠道手术术后并发症发生风险的列线图模型,具有良好的特异性和敏感性,临床价值较高。     

钆塞酸二钠增强MRI列线图模型预测小肝癌微血管侵犯的价值

目的 探讨钆塞酸二钠(gadolinium ethoxybenzyl diethylenetriamine pentaacetic acid,Gd-EOB-DTPA)增强MRI列线图模型预测孤立性小肝癌(≤3 cm)微血管侵犯(microvascular invasion,MVI)的价值.材料与方法 回顾性分析青岛大学附属医院2017年1月1日至2020年6月30日病理证实的149例单发肝细胞癌(≤3 cm)患者,术前1个月内进行了Gd-EOB-DTPA增强MRI检查.根据病理学诊断的微血管侵犯情况将病例分为MVI阳性组及MVI阴性组,收集术前临床资料、Gd-EOB-DTPA增强MRI资料及病理资料.将所收集资料进行单因素分析,计数资料使用χ2检验或Fisher精确检验,计量资料使用Mann-Whitney U检验,基于单因素分析有意义(P<0.05)的术前资料进行多因素Logistic回归分析,根据所得结果 将预测MVI的独立危险因素建立列线图预测模型,并评价其预测效能.结果 将MVI阳性组(45例)及阴性组(104例)单因素分析有意义资料纳入Logistic回归分析,结果 显示假包膜不完整(OR=5.951,95％CI:2.303～15.372,P<0.001)、瘤周强化(OR=3.834,95％CI:1.301～11.299,P=0.015)、肝胆期瘤周低信号(OR=9.721,95％CI:2.486～38.019,P=0.001)及较低肿瘤ADC值(低于0.990×10-3 mm2/s)是预测孤立性小肝癌MVI的独立危险因素,ROC曲线下面积为0.844.根据多因素结果 建立列线图预测模型,显示肝胆期瘤周低信号是预测孤立性小肝癌MVI的最大贡献因子(100分),其次为假包膜完整程度、瘤周强化、肿瘤ADC值;该模型C指数为0.844,具有较高的校准度.结论 Gd-EOB-DTPA增强MRI检查列线图模型可以有效预测孤立性小肝癌MVI的发生.     

瘤内及瘤周影像组学联合临床和CT特征预测浸润性肺腺癌周围脉管侵犯

目的 观察瘤内及瘤周影像组学联合临床和CT特征预测浸润性腺癌(IAC)周围脉管侵犯(LVI)的价值。方法 回顾性分析190例经术后病理确诊IAC患者，其中65例LVI(+)、125例LVI(-),按照7∶3比例将其分为训练集[134例，46例瘤周LVI(+)、88例瘤周LVI(-)]和测试集[56例，19例瘤周LVI(+)、37例瘤周LVI(-)]。对临床及CT表现行单因素及多因素logistic分析，筛选IAC瘤周LVI(+)的独立预测因素，构建临床-CT模型。分别基于瘤灶(GT)、肿瘤-瘤周过渡区(GPT)及瘤周区(PT)提取影像组学特征，以其最佳者构建影像组学模型(模型_GT、模型_GPT和模型_PT),并筛选最佳影像组学模型；基于最佳模型影像组学评分与临床、CT独立预测因子构建联合模型，并绘制列线图。绘制受试者工作特征(ROC)曲线，计算曲线下面积(AUC),评估各模型预测IAC瘤周LVI的效能；以校准曲线评估模型校准度，以决策曲线分析评价模型的临床价值。结果 年龄、术前癌胚抗原水平及毛刺征均为IAC瘤周LVI(+)的...     

乳房X线片深度学习联合临床特征列线图预测乳腺癌表达人表皮生长因子受体2(HER-2)状态

目的 观察深度学习(DL)术前乳房X线片(MG)联合临床特征列线图预测乳腺癌表达人表皮生长因子受体2(HER-2)状态的价值。方法 回顾性分析265例HER-2检测结果均为(++)的单发乳腺癌患者的MG和临床资料，包括93例HER-2阳性、172例HER-2阴性；按8∶2比例将其分为训练集(n=211,含74例HER-2阳性、137例HER-2阴性)和验证集(n=54,19例HER-2阳性、35例HER-2阴性)。以单因素及多因素logistic回归分析临床资料，筛选乳腺癌表达HER-2状态的独立预测因素，以之构建临床模型。将头足位和内外斜位MG输入孪生DL网络，获得肿瘤ROI图像，并输入至ResNet50网络提取DL特征，通过全连接层进行特征融合，共获得2 048个DL特征，经Softmax分类器输出二分类结果，得到DL评分(Deep-score),构建DL模型。以Deep-score和独立临床预测因素构建联合模型，并绘制列线图；以校准曲线评估其校准度。应用受试者工作特征(ROC)曲线评估各模型预测乳腺癌表达HER-2状态的效能，以决策曲线分析(DCA)评估其临床获益。结果 雌激素受...     

重症监护病房自发性脑出血患者深静脉血栓危险因素分析及预测模型构建

目的 探讨重症监护病房(ICU)自发性脑出血(sICH)患者发生深静脉血栓(DVT)的危险因素,并构建DVT预测模型。方法 回顾性分析2019年1月至2023年1月常熟市第一人民医院ICU收治的357例sICH患者资料,以7∶3比例随机分为训练集(n=254)和验证集(n=103),依据其住院期间是否超声证实发生DVT分为DVT组(n=27)与非DVT组(n=227)。基于训练集数据,采用Logistic单因素及多因素回归分析法筛选DVT的独立危险因素,构建列线图预测模型,采用受试者工作特征(ROC)曲线和校准曲线评估列线图模型的区分度和拟合优度,决策曲线分析(DCA)评价预测模型的临床实用性。结果 (1)共纳入254例训练集患者,其中男157例,女97例,DVT组共27例,发生率为10.63%;(2)单因素及多因素Logistic回归分析显示,机械通气(OR=3.574,P=0.018)、血肿体积(OR=4.280,P=0.002)、股静脉置管(OR=3.892,P=0.012)及血栓弹力图(TEG)中的凝血因子反应时间(R)(OR=0.337,P=0.021)是重症sICH患者发生...     

病理参数联合ABVS影像特征列线图预测乳腺癌Luminal分型

目的 分析病理参数联合超声自动乳腺全容积扫描(ABVS)影像特征构建的列线图预测乳腺癌Luminal分型的价值。方法 回顾性分析212例行超声ABVS检查的Luminal型乳腺癌患者的病理及超声资料,以雌激素受体(ER)阳性、人表皮生长因子受体2(HER-2)阴性、Ki-67<14%及孕激素受体(PR)>20%作为Luminal A型乳腺癌的分型标准,将患者分为Luminal A型(64例)与Luminal B型(148例),按7∶3将患者随机分为训练组(n=148)与验证组(n=64)。单因素与多因素Logistic回归分析筛选预测乳腺癌Luminal分型的独立影响因素,基于独立影响因素构建联合预测模型,并绘制模型的列线图与校准曲线。结果 单因素与多因素Logistic回归分析发现脉管侵犯、长径及冠状面汇聚征为预测乳腺癌Luminal分型的独立影响因素,联合模型曲线下面积(AUC)训练组为0.725(95%CI:0.639～0.812),验证组为0.777(95%CI:0.640～0.915)。结论 病理参数联合超声ABVS影像特征区分乳腺癌Luminal分型有一定价值,...     

CT影像组学列线图评估非小细胞肺癌程序性死亡受体1表达

目的 观察CT影像组学列线图评估非小细胞肺癌(NSCLC)程序性死亡受体1(PD-1)表达的价值。方法 纳入143例NSCLC患者，其中PD-1阳性30例、阴性113例；按7∶3比例将其分为训练集(n=101)和验证集(n=42),比较PD-1阳性与阴性患者临床资料差异，以logistic回归分析筛选临床因素，构建临床模型；基于CT提取并筛选影像组学特征，建立影像组学模型；结合临床因素及影像组学特征构建CT影像组学列线图，分析各模型评估PD-1表达的效能。结果 针对训练集及验证集，临床模型评估NSCLC PD-1表达的曲线下面积(AUC)分别为0.79和0.74,影像组学模型的AUC分别为0.89和0.81,CT影像组学列线图的AUC分别为0.92及0.86。DeLong检验结果显示，仅临床模型与CT影像组学列线图评估训练集NSCLC PD-1表达的AUC差异有统计学意义(Z=2.47,P=0.01),其余AUC两两比较差异均无统计学意义(P均>0.05)。结论 CT影像组学列线图有助于评估NSCLC PD-1表达。     

基于影像学和血清学特征构建的列线图模型可较好预测原发性肝细胞癌的微血管浸润

  目的   探讨术前基于影像学和血清学特征构建的列线图模型对肝癌微血管浸润(MVI)的预测价值。   方法   回顾性分析2015年1月~2020年12月于中山市人民医院接受切除或肝移植的548例肝细胞癌(HCC)患者的临床资料,最终纳入315例肝癌MVI患者,年龄53.2±11.5岁,肿瘤最大直径3.7~7.0 cm。收集患者临床及影像学资料并进行分析,采取单因素与多因素Logistic分析,筛查出能预测MVI的独立风险因素,构建预测HCC中MVI的列线图模型,利用ROC曲线、校准曲线和决策曲线对模型进行评估。   结果   MVI (+)患者的中位生存时间为13月(95%CI:8.1~17.9),1、3、5年无病生存率分别为50.6%、38.5%和30.9%(P < 0.05);MVI (-)患者的中位生存时间为47月(95%CI:32.7~61.3),1、3、5年无病生存率分别为77.9%、62.3%和38.8%(P < 0.05)。多因素Logistic回归分析显示,更大的肿瘤体积、突破肝外生长、缺乏或不完整假包膜、存在动脉期瘤周强化以及术前过高的球蛋白值是MVI (+)的独立危险因素(P < 0.05)。最终模型效能曲线下面积为0.895,95%CI为0.859-0.930,准确性为85.1%,敏感度为85.9%,特异性为84.1%。校准曲线显示预测概率与病理结果MVI (+)/MVI (-)概率有良好的一致性。决策曲线显示模型具有良好的临床应用价值。   结论   构建的列线图及预测模型能较好地术前预测MVI (+)的概率,可以根据MVI发生的风险调整HCC的治疗计划,以优化生存结果。      

COPD合并心力衰竭患者短期死亡风险的列线图模型

目的 分析慢性阻塞性肺疾病（COPD）合并心力衰竭患者短期内死亡的相关危险因素,并建立预测列线图。方法 回顾性分析西南医科大学附属医院2018年1月至2022年1月收治的1 323例COPD合并心力衰竭住院患者的临床资料,根据随访期间有无死亡将患者分为存活组和死亡组,分析两组患者的一般资料和检验指标,将有差异的指标进行单因素和多因素Logistic回归分析,利用R软件可视化回归分析结果得到列线图,通过C指数、校准曲线、ROC曲线验证列线图的准确性。结果 多因素Logistic回归分析结果显示：年龄[OR=1.085,95%CI(1.048,1.125)]、吸烟时长[OR=1.247,95%CI(1.114,1.400)]、COPD病程[OR=1.078,95%CI(1.042,1.116)]、合并呼吸衰竭[OR=5.564,95%CI(3.372,9.329)]、N末端B型利钠肽原水平[OR=1.000,95%CI(1.000,1.000)]、降钙素原水平[OR=1.153,95%CI(1.083,1.237)]、D-二聚体水平[OR=1.205,95%CI(1.099,1.336)]...     

基于超声特征构建列线图鉴别乳腺放射状瘢痕与浸润性导管癌

目的 构建基于超声特征的列线图鉴别乳腺放射状瘢痕(RS)与浸润性导管癌(IDC)。方法 回顾性分析48例乳腺RS及160例IDC患者临床和超声资料,通过随机抽样按7∶3比例分为训练集(33例RS和112例IDC患者)与验证集(15例RS和48例IDC患者)。对临床及超声特征进行单因素和多因素分析,基于多因素回归分析建立预测RS和IDC的列线图。通过校准曲线、受试者工作特征(ROC)曲线评价列线图的预测效能,使用决策曲线分析(DCA)评估其临床应用价值。结果 训练集中,年龄、病灶最大径及高回声晕是鉴别乳腺RS与IDC的独立预测变量;基于上述变量构建列线图及ROC曲线。校准曲线显示列线图的一致性较好,列线图在训练集与验证集的曲线下面积(AUC)分别为0.820(95%CI:0.742～0.898)、0.861(95%CI:0.771～0.951)。DCA结果显示,鉴别两类疾病在多数合理阈值概率,使用列线图预测比不使用更能让患者在临床获益。结论 基于超声特征构建的列线图可以较准确地鉴别乳腺RS与IDC,为临床决策提供一定的参考依据。     

基于血尿素氮和白蛋白预测急性失代偿性心力衰竭患者不良预后风险的列线图模型建立与验证

目的 开发和验证一种用于预测急性失代偿性心力衰竭(ADHF)患者预后不良的列线图。方法 回顾性研究2021年9月至2022年12月在郑州大学第二附属医院诊断为ADHF的179例患者临床资料,其中2021年9月至2022年6月的126例为训练集,2022年7月至2022年12月的53例为验证集。基于单因素与多因素逻辑回归确定5个独立危险因素,建立列线图模型,并进一步验证。结果 高血压(OR 2.481, 95%CI1.102～5.589)、血尿素氮(OR 1.267, 95%CI1.082～1.485)、白蛋白(OR 0.896, 95%CI0.826～0.973)、左室射血分数(LVEF)(OR 0.926, 95%CI0.876～0.980)、左室舒张末期内径(LVEDd)(OR 1.141, 95%CI1.050～1.239)是ADHF独立危险因素。通过受试者工作特征(ROC)曲线分析训练集曲线下面积(AUC)为0.875(95%CI0.816～0.934),验证集AUC为0.839(95%CI0.730～0.949),最终校准曲线与临床决策曲线分析,该列线图识别能力较好。结论 高...