甲狀腺良惡性結(jié)節(jié)超聲特征及其Logistic回歸分析.pdf

1、目的：采用二分類Logistic回歸分析篩選出對鑒別甲狀腺結(jié)節(jié)性質(zhì)有統(tǒng)計(jì)學(xué)意義的指標(biāo)，建立Logistic回歸模型，提高術(shù)前診斷率。
　　方法：回顧性分析經(jīng)手術(shù)切除并經(jīng)病理證實(shí)的甲狀腺結(jié)節(jié)(thyroid nodules，TN）539例，其中良性結(jié)節(jié)450例，惡性結(jié)節(jié)89例；收集甲狀腺結(jié)節(jié)的超聲聲像圖特征，包括邊界、是否侵犯包膜、縱橫比(anteroposterior and transverse diameter ratio，A

2、/T）、形態(tài)、回聲水平、回聲均勻性、鈣化、暈環(huán)、后方回聲衰減、頸部淋巴結(jié)腫大、血流分級；收集患者的年齡、性別資料。先把所有因素進(jìn)行組間χ2檢驗(yàn)，P＜0.05有統(tǒng)計(jì)學(xué)意義，對組間比較有統(tǒng)計(jì)學(xué)意義的變量經(jīng)二分類Logistic回歸分析，利用進(jìn)入法篩選出最具意義的指標(biāo)，建立二分類Logistic回歸模型，對篩選出的自變量回歸系數(shù)采用Waldχ2檢驗(yàn),對回歸模型的擬合情況采用似然比檢驗(yàn)，并以該回歸模型判別甲狀腺結(jié)節(jié)性質(zhì)的敏感性為縱坐標(biāo)，以（1-

3、特異性）為橫坐標(biāo)繪制受試者工作特征（receiver operating characteristiccurve，ROC）曲線，評價模型的預(yù)報(bào)能力。P＜0.05為有統(tǒng)計(jì)學(xué)意義。
　　結(jié)果：以病理學(xué)結(jié)果為因變量，甲狀腺結(jié)節(jié)的超聲特征及患者的年齡為自變量，經(jīng)二分類Logistic回歸分析，篩選出9個進(jìn)入回歸模型并且回歸系數(shù)有統(tǒng)計(jì)學(xué)意義的變量：年齡、邊界、侵犯包膜、縱橫比、形態(tài)、顯著低回聲、微鈣化、后方回聲衰減、頸部淋巴結(jié)腫大，&nbs

4、p;建立回歸模型【Logit(p)=Z=-7.011+0.833×年齡+2.151×邊界+2.042×侵犯包膜+2.631×縱橫比+2.231×形態(tài)+2.140×顯著低回聲+2.202×微鈣化+1.949×后方回聲衰減+1.978×頸部淋巴結(jié)腫大】。對回歸模型的擬合情況采用似然比檢驗(yàn)，該模型有統(tǒng)計(jì)學(xué)意義（χ2=271.714，P=0.000），以該模型預(yù)報(bào)這539個結(jié)節(jié)，若回歸值P＞0.5預(yù)報(bào)為惡性結(jié)節(jié)，P≤0.5預(yù)報(bào)為良性結(jié)節(jié)，根據(jù)L

5、ogistic回歸模型計(jì)算公式P=1/[1+e-z]，將Z代入，則預(yù)報(bào)正確率達(dá)92.8％。ROC曲線下面積(area under concentration-time curve，AUC）為0.948，標(biāo)準(zhǔn)誤為0.011，P＜0.05,95%可信區(qū)間為（0.927，0.969），說明該模型在預(yù)測甲狀腺結(jié)節(jié)良惡性方面具有顯著的意義。
　　結(jié)論：應(yīng)用二分類Logistic回歸分析能篩選出鑒別甲狀腺結(jié)節(jié)性質(zhì)最具意義的超聲特征，并能深入分