论文部分内容阅读
目的为巨细胞病毒性肺炎筛查寻找可靠且简便易行的判断准则,以减少巨细胞病毒性肺炎的漏诊和由此导致的误治,尽可能避免不合理的抗生素及激素的使用,提高医疗质量和患者的治疗效果。方法应用判别分析方法对收集的巨细胞病毒性肺炎和普通病毒导致的喘息性支气管炎病例数据进行处理,建立诊断结果预测模型。结果经过变量筛选最后只有年龄、淋巴细胞计数和血小板计数三个指标进入模型,测试结果表明:对样本交互验证的预测准确率达到80.6%。结论采用判别分析建立的巨细胞病毒性肺炎诊断预测模型简洁易懂,可操作性强,预测准确率较高,能为医务人员提供有力的筛查手段。目前,国内外对巨细胞病毒性肺炎计算机辅助诊断方面的研究尚处于空白,本文在这方面进行了有益的探索。通过收集临床上已经确诊的巨细胞病毒性肺炎和普通喘息性支气管炎患儿的样本资料,从众多指标中提取出差异有统计学意义的指标,然后采用判别分析方法建立了诊断预测模型。变量筛选结果提示:巨细胞病毒性肺炎主要的定量影响因素是患儿的年龄、淋巴细胞计数、血小板计数。标准化的典型相关系数由于消除了量纲的影响,因此可以直观反映出每个指标对应变量的影响大小,从分析结果可以看出,年龄大小与巨细胞病毒性肺炎发生呈负相关,这与文献报道巨细胞病毒感染婴幼儿期高发的结论相符;而淋巴细胞计数、血小板计数与巨细胞病毒性肺炎发生呈正相关。非标准化的判别函数即最终的预测模型可以直接将相关指标的实际数据代入其中进行计算,通过数值大小的比较得出判别结果。通过测定淋巴细胞水平、血小板水平的动态变化,有助于筛选出那些可能发生症状性CMV感染的高危患者,并及时开始预防治疗;也有助于对已确诊患者评估抗病毒治疗的疗效以确定停药时机。将建好的预测模型对样本进行交互验证,以测试其预测的准确度,结果表明预测准确率达到80.6%,这说明模型的预测效果还是比较理想的。但考虑到本研究尚处于起步阶段,收集到的样本量还比较小,因此所建模型的稳定性、代表性、预测准确性有待于在今后的研究中通过增加样本量不断加以完善和提高,为有效降低巨细胞病毒性肺炎的漏诊率、促进患者的早日康复发挥积极作用。