论文部分内容阅读
目的建立并分析数学模型用于多指标联合鉴别胸腹水性质的价值。方法共收集病例110例,分为两组。第一组病例70例,其中恶性胸腹水患者35例,良性胸腹水共35例,其中结核性胸腹水患者18例,其它非结核性良性胸腹水患者17例;第二组病例40例,其中恶性胸腹水患者15例,良性胸腹水共25例,其中结核性胸腹水患者13例,其它非结核性良性胸腹水患者12例。本研究采用回顾性研究方法,对已确诊良恶性疾病的胸腹水和血清进行检测白蛋白（albumin,Alb）、血管内皮生长因子（Vascular endothelial growth factor,VEGF）、癌胚抗原（Carcino-embryonic antigen,CEA）和腺苷脱氨酶（Adenosine Deaminase ,ADA）,对测定的标本数据运用Logistic回归分析和ROC曲线分析建立数学模型及诊断点,将测定结果代入建立的数学模型中,得出个体预测值Pre-1和Pre-2,定量分析联合指标与某种疾病发生的可能性之间的关系,并与单项指标比较其敏感性、特异性、准确性,观察其在良恶性胸腹水鉴别诊断中的意义。胸腹水和血清白蛋白（Alb）采用全自动生化仪测定,癌胚抗原（CEA）采用放射免疫法测定,ADA测定用酶显色法,VEGF采用酶联吸附免疫法（ELISA）测定。结果通过对第一组研究对象测定的数据进行Logistic回归分析,分别针对恶性胸腹水、结核性胸腹水的诊断建立两个回归方程,它们分别为:P1 =1/ [1 + e- （ - 2. 083 - 0. 147X1 +0. 006X2 +0. 121X3） ],其中X1 =AG（Albumin gradient）,X2 =胸腹水VEGF,X3 =胸腹水CEA;P2 = 1 / [ 1 + e- （ - 5. 607 - 0. 089X1 + 0. 366X2 + 0. 078X3 + 1. 564X4） ] ,其中X1 =AG,X2 =VEGF比值,X3 =胸腹水ADA,X4 =ADA比值。用建立的数学方程计算出个体预测值Pre-1和Pre-2,其诊断点分别为:0.218和0.329。AG在漏出液中均≥11g/L,在渗出液中均<11g。AG、VEGF和CEA鉴别良恶性胸腹水的敏感性、特异性和诊断准确性分别为:73.54%,39.97%,54.67%;87.24%,78.10%,73.56%和51.73%,48.67%,35.46%。ADA诊断结核性胸腹水的敏感性、特异性和诊断准确性分别为:75.30%,58.79%和23.26%。联合Pre-1和Pre-2值诊断恶性胸腹水的敏感性、特异性和诊断准确性分别为:83.90%,93.10%和88.47%。联合Pre-1和Pre-2诊断结核性胸腹水的敏感性、特异性和诊断准确性分别为:80.00%,92.01%和88.71%。结论多指标的回归分析建立的数学模型,将指标之间联系成一有机整体,克服了以往多指标诊断的主观性和片面性,提高了各指标诊断的敏感性、特异性和准确性,对鉴别胸腹水性质有一定的临床意义。