高分辨CT结合肿瘤标记物对孤立性肺结节良恶性判断的临床研究

• 作者: 兰斌 宋剑非
• 来源期刊: 世界最新医学信息文摘（连续型电子期刊）
• 学科: 医学
• 关键词: 孤立性肺结节 高分辨CT 肿瘤标记物
• 年，卷（期）: 2018,（24）
• 所属期刊栏目: 论著
• 页码范围: 21-24,27
• 页数: 5页
• 分类号: R73
• 语种: 中文
• DOI: 10.19613/j.cnki.1671-3141.2018.24.008

摘要

目的 探讨孤立性肺结节患者影像学结合肿瘤标记物在孤立性肺结节(solitary pulmonary nodules, SPN)良恶性诊断中的价值,并通过单因素和多因素分析建立SPN良恶性数学预测模型.方法 回顾性分析桂林医学院附属医院胸外科2015年1月至2016年12月高分辨CT行胸部增强扫描证实为孤立性肺结节,行胸腔镜手术治疗并经术后病理证实为良性或恶性的97例孤立性肺结节病例,收集整理患者临床及影像特征,包括:年龄、性别、吸烟史、肿瘤家族史、肿瘤既往史、结节直径、位置、边界情况、分叶征、毛刺征、血管集束征、胸膜凹陷征、空洞、钙化、CEA、NSE、Cyfra21-1、SCCA等相关数据,通过单因素和多因素分析其与SPN病变性质的关系,并建立数学预测模型.结果 单因素分析显示,良性与恶性SPN患者在年龄、吸烟史、结节直径、边界、分叶、毛刺、胸膜凹陷征、CEA、NSE、Cyfra21-1、SCCA上均有统计学意义(P <0.05),多因素logistic回归分析显示:结节最大直径、毛刺、边界、血清Cyfra21-1、CEA等5项因素在良恶性SPN之间的差异有统计学意义(P<0.05),是判断SPN性质的独立危险因素.通过多因素logistic回归分析建立数学预测模型P=ex/(1+ex),其中X= -17.230+(3.175×直径)+(2.575×边界)+(3.556×毛刺)+(1.593×CEA)+(1.577×Cyfra21-1),e为自然对数.根据预测模型预测P值为检验指标,以病理诊断为金标准进行对比,显示预测模型受试者工作特征曲线(receiver operating characteristic curve,ROC)下面积为0.989,诊断准确性高.结论 本研究将高分辨CT影像学资料与肿瘤标记物结合,可提高孤立性肺结节良恶性判断准确率,本研究建立的数学预测模型对于SPN良恶性判断具有较高的灵敏性和特异性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋剑非	桂林医学院第二附属医院	95	336	10.0	12.0
2	兰斌	桂林医学院附属医院	3	1	1.0	1.0