| 结合增强CT影像的腮腺肿瘤良恶性预测列线图的建立与验证 |
| |
| 引用本文： | 闫庆涵,王佳俐,车银富,于涛,陶峰,陈李鑫,何等旗.结合增强CT影像的腮腺肿瘤良恶性预测列线图的建立与验证[J].口腔医学研究,2021,37(7):646-650. |
| |
| 作者姓名： | 闫庆涵 王佳俐 车银富 于涛 陶峰 陈李鑫 何等旗 |
| |
| 作者单位： | 兰州大学口腔医学院 甘肃 兰州 730000;兰州大学第一医院 甘肃 兰州 730000 |
| |
| 摘 要： | 目的:分析多项检查指标,建立腮腺肿瘤良恶性鉴别的预测模型,以期为临床鉴别提供帮助,为腮腺肿瘤患者及时施行正确的手术治疗提供依据.方法:回顾性分析2013年3月～2019年3月在兰州大学第一医院行腮腺肿瘤切除术的200例患者资料(A组),通过logistic回归分析筛选出腮腺肿瘤良恶性鉴别的独立影响因素,建立数学预测模型,另收集2019年4月～2020年9月经手术切除且明确病理诊断的腮腺肿瘤患者资料42例(B组)进行验证.结果:通过对A组进行多因素logistic回归分析,建立数学预测模型如下:Y=ex/(1+ex),X=-0.18347+(-1.29435×肿瘤形态规则与否)+(-1.44877×肿瘤边界清楚与否)+(4.34121×周围组织受累与否),e是自然对数.利用B组数据验证该模型的有效性,结果显示敏感度为1.00,特异度为93.4％,准确率为95.2％.结论:联合肿瘤形态规则与否、肿瘤边界清楚与否及周围组织受累与否等3个指标,建立的Logistic回归预测模型可以帮助临床医生诊断腮腺肿瘤良恶性.
|
| 关 键 词： | 腮腺肿瘤 诊断 Logistic回归 预测模型 |
Development and Validation of Nomogram for Benign and Malignant Parotid Tumors Combined with Enhanced CT Image Features |
| |
| YAN Qinghan,WANG Jiali,CHE Yinfu,YU Tao,TAO Feng,CHEN Lixin,HE Dengqi.Development and Validation of Nomogram for Benign and Malignant Parotid Tumors Combined with Enhanced CT Image Features[J].Journal of Oral Science Research,2021,37(7):646-650. |
| |
| Authors: | YAN Qinghan WANG Jiali CHE Yinfu YU Tao TAO Feng CHEN Lixin HE Dengqi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
