相关实验视频
Updated: Jul 31, 2026

08:49
Models of Bone Metastasis
Published on: September 4, 2012
42.2K
诊断模型的验证,以区分多发性骨髓瘤与骨转移
Phichayut Phinyo1,2,3,4, Nutcha Jarupanich2, Lalita Lumkul2,4
1Department of Family Medicine, Faculty of Medicine, Chiang Mai University, Chiang Mai, Thailand.
Clinical epidemiology
|July 31, 2023
概括
这项研究验证了一种诊断模型,用于区分多发性骨髓瘤 (MM) 和骨转移 (BM). 该模型准确地识别了MM患者,支持对破坏性骨损伤的及时血液学家转诊.
科学领域:
- 在瘤学瘤学.
- 诊断医学 诊断医学
背景情况:
- 一种诊断模型MM-BM DDx被开发出来,用于区分多发性骨髓瘤 (MM) 和骨转移 (BM) 在具有破坏性骨损伤的患者中.
- 及时将MM患者转诊给血液学家对于适当的管理至关重要.
- 之前没有对MM-BM DDx模型进行外部验证.
研究的目的:
- 为外部验证MM-BM DDx模型在区分MM和BM方面的性能.
- 评估模型的辨别能力,校准和准确性在一个新的患者队列中.
主要方法:
- 一项多中心回顾性研究包括3018名45岁以上的MM或BM诊断的患者,来自6家泰国医院 (2016-2022年).
- 在验证数据集中应用了MM-BM DDx模型,利用血清肌素,血清球蛋白和血清酸酶 (ALP).
- 使用国际疾病分类第十次修订代码确认了诊断;使用AUC,灵敏度,特异性和概率比率 (LR) 评估了模型性能.
主要成果:
- MM-BM DDx模型显示强烈的歧视,AUC为0.89 (95% CI,0.87-0.90).
- 模型预测与观察到的MM比例相对应得很好,表明校准良好.
- 验证数据集中的灵敏度,特异性和LR与开发数据集中的灵敏度,特异性和LR相似.
结论:
- 在外部验证期间,MM-BM DDx 模型的辨别能力和校准得到了维护.
- 这些发现支持MM-BM DDx模型对临床医生的实际实用性.
- 该模型可以帮助识别可能患有MM的具有破坏性骨损伤的患者,从而促进迅速转诊至血液科医生.
更多相关视频
05:32Multimodal Bioluminescent and Positronic-emission Tomography/Computational Tomography Imaging of Multiple Myeloma Bone Marrow Xenografts in NOG Mice
Published on: January 7, 2019
6.9K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K