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

• 作者: 张小艳 杨进 王龙胜 祁闻 赵红 郑穗生
• 来源期刊: 医学研究杂志
• 学科: 医学
• 关键词: 磨玻璃结节 肺高分辨率CT Logistic回归 良性 恶性
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 论著
• 页码范围: 41-45
• 页数: 5页
• 分类号: R4
• 字数: 4262字
• 语种: 中文
• DOI: 10.11969/j.issn.1673-548X.2019.11.010

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x2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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王龙胜	安徽医科大学第二附属医院放射科	53	167	9.0	10.0
2	赵红	安徽医科大学第二附属医院放射科	49	374	11.0	18.0
3	郑穗生	安徽医科大学第二附属医院放射科	74	367	11.0	14.0
4	杨进	安徽医科大学第二附属医院呼吸内科	32	138	7.0	10.0
5	张小艳	安徽医科大学第二附属医院放射科	4	2	1.0	1.0
6	祁闻	安徽医科大学第二附属医院放射科	5	2	1.0	1.0