应用logisic回归模型分析甲状腺良恶性结节的超声特征.pdfVIP

应用Logistic 回归模型分析甲状腺良恶性结节的超声特征 中文摘要 应用Logistic 回归模型分析甲状腺良恶性结节的超声特征 中文摘要 目的：以超声声像图特征及患者性别、年龄作为甲状腺结节良、恶性鉴别诊断的 自变量，建立Logistic 回归模型，比较超声声像图特征及患者性别、年龄等因素在甲 状腺结节良恶性鉴别诊断中的价值。 材料与方法：收集经手术切除后病理证实的 286 例甲状腺结节，其中良性结节 183 例作为对照组，恶性结节103 例作为病例组。收集两组患者的年龄、性别资料以 及甲状腺结节的超声声像图特征，包括结节的数目、最大直径、形态、纵横比、边界、 边缘特征、回声水平、内部质地、有无声晕、钙化情况、后方回声有无衰减和血流情 况。两组之间年龄因素使用t 检验，其余两组间参数采用两独立样本比较的χ2 检验， 比较两组的参数有无统计学差异。将有统计学差异的参数作为自变量，以甲状腺结节 良恶性作为应变量，分别进行赋值，向前逐步法测定恶性结节的超声特征，最后建立 Logistic 回归模型，P ＜0.05 有统计学意义。 结果：两组病例之间年龄经t 检验，其余变量经χ2 检验。两组病例之间结节的数 目无统计学差异（P=0.718 ），其余两组之间参数均有统计学差异。经过最大似然估计 前进法逐步回归，筛选出边缘特征、钙化情况、年龄、有无侵犯包膜、回声水平这五 个最有价值的参数，其中边缘毛刺（OR ＝20.830，r ＝2.970 ）、微钙化 （OR ＝14.540 ， r ＝1.796）、年龄 （OR ＝16.359，r ＝-0.074 ）、有侵犯包膜 （OR ＝6.890，r ＝1.351 ）、 极低回声 （OR ＝9.747 ，r ＝2.553 ）作为自变量进入Logistic 回归模型。建立模型为： Logit （P ）=0.719+2.970 ×边缘（2 ）+ 1.796×钙化（3 ）－0.074 ×年龄+ 1.351 ×包膜 2 （1）+2.553 ×回声（4 ）。该模型经似然比检验有统计学意义（χ = 170.571，P =0.000 ）， 以该模型预报286 例甲状腺结节，如果P0.5 时预报为恶性结节，P≤0.5 时预报为良 性结节，预报正确率达85.3% 。 结论：1.甲状腺结节的单、多发对良恶性的鉴别没有意义。2. Logistic 回归模型 筛选出5 个对甲状腺结节恶性鉴别有意义的特征变量：患者的年龄、甲状腺结节的边 缘特征、钙化情况、有无侵犯包膜、回声水平。3.患者的年龄与甲状腺结节的恶性呈 I 中文摘要 应用Logistic 回归模型分析甲状腺良恶性结节的超声特征 负相关，年龄越小，其甲状腺结节的恶性可能性越大。4. 边缘毛刺、微钙化、有侵 犯包膜、极低回声与甲状腺结节的恶性呈正相关，这四个特征出现越多，其甲状腺结 节的恶性可能性越大。5.进入方程的变量对方程重要程度：边缘毛刺＞年龄＞微钙化 ＞极低回声＞侵犯包膜。6. 以超声声像图特征及患者的年龄等多个因素建立 Logistic 的回归模型有助于甲状腺结节的良、恶性鉴别。 关键词：甲状腺结节；超声；Logistic 回归分析 作 者：王晓屹 指导老师：王跃涛 II 应用Logistic 回归模型分析甲状腺良恶性结节的超声特征 英文摘要 Using Logistic regression analysi