乳腺癌腋窝淋巴结转移nomogram预测模型的建立

来源 :南昌大学 | 被引量 : 0次 | 上传用户:wh13499599
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的:分析乳腺癌患者年龄、肿瘤的一般特征、彩超、钼靶、病理学结果与腋窝淋巴结转移相关性。初步建立nomogram模型预测腋窝淋巴结病理学状态,并绘制列线图。方法:回顾性收集2015年1月1日至2019年1月1日于南昌大学第一附属医院住院诊治的女性乳腺癌患者388例,将其按3:1随机分成建模组(291例)与验证组(97例)。在建模组中对患者年龄、肿瘤一般特征(矢量、肿瘤位置、肿瘤象限、肿瘤最大径)、彩超(ultrasound,US)、钼靶(mammography,MMG)、病理学结果进行单因素logistic分析。有统计学意义的因素纳入多因素logistic分析,并建立nomogram预测模型,绘制列线图。使用受试者工作曲线、校正曲线、Hosmer-Lemeshow检验拟合优度进行模型评价。结果:年龄、一般特征、US、MMG、病理学结果在建模组与验证组组间无统计学差异。多因素logistic分析发现肿瘤最大径、淋巴结(US)、淋巴结(MMG)、ER、病理学类型为腋窝淋巴结转移的独立危险因素,利用这5个变量构建了nomogram预测模型。建模组与验证组曲线下面积(area under the curve,AUC)面积分别为0.755和0.716,Hosmer-Lemeshow检验拟合优度在建模组与验证组分别为P=0.888与P=0.509。当模型截断临界值取20%时,此时灵敏度为100%,假阴性率为0%。结论:在女性乳腺癌患者中,肿瘤最大径、淋巴结(US)、淋巴结(MMG)、ER、病理学类型为腋窝淋巴结转移的独立危险因素。本研究建立的nomogram模型可以为预测乳腺癌腋窝淋巴结转移风险提供较为准确、客观的工具。当预测值≤20%时,可考虑免除淋巴结相关手术。
其他文献
人类行为识别是计算机视觉领域中备受关注的研究方向之一,其在智能视频监控、人机交互系统、自动驾驶、智能安防等领域具有广泛的应用价值。然而,目前该领域仍然存在较多未解决的问题,例如行为动作种类繁多且相同种类动作之间变化较大,环境背景的影响,数据的获取和标注困难等。近年来,深度学习在计算机视觉领域取得了很好的发展,但由于视频中存在大量干扰,仍然难以准确识别视频中的行为。更重要的是,识别未修剪原始视频中的
<正> 对民族心理素质与民族精神的探讨,有助于激发大家对民族的科学、政治、经济发展的关心,有助于加强民族的凝聚力,发扬优秀的民族传统、增进民族团结,同时对于我们今天加