论文部分内容阅读
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（1）+2.553×回声（4）。该模型经似然比检验有统计学意义（χ2=170.571，P=0.000），以该模型预报286例甲状腺结节，如果P>0.5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。