使用不需要麻醉的不 invasive 检查来构建犬鼻病的诊断预测模型
Yuta Nakazawa1, Takafumi Ohshima1, Hideyuki Kanemoto2,3
1Laboratory of Veterinary Radiology, School of Veterinary Medicine, Nippon Veterinary and Life Science University, Tokyo, Japan.
The Journal of veterinary medical science
|September 4, 2023
概括
这项研究开发了使用临床征兆和放射图的犬鼻病预测模型,提供了不那么侵入性的诊断方法. 这些模型可以指导先进的成像和治疗的适当转诊.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 狗类病理学 狗类病理学
- 诊断成像 诊断成像 诊断成像
背景情况:
- 在全身麻醉下进行高级成像是诊断犬鼻病的标准.
- 立即的诊断程序并不总是可行的.
- 对于最初的犬鼻病评估,需要使用更少的侵入性方法.
研究的目的:
- 开发和验证使用非侵入性临床和放射数据对犬鼻病的预测模型.
- 评估手动和LASSO逻辑回归模型在预测特定鼻子疾病方面的有效性.
- 提高对狗鼻腔疾病的诊断转诊的效率.
主要方法:
- 对被诊断患有鼻病的狗进行了回顾性 (2010-2020) 和前性 (2020-2021) 队列研究.
- 使用手动方法 (模型1) 和 LASSO 物流回归 (模型2) 开发预测模型.
- 基于对瘤的敏感性和特异性的模型性能评估, sino-nasal aspergillosis,非传染性鼻炎和与牙科疾病相关的鼻炎.
主要成果:
- 手动和LASSO模型都在预测犬鼻病方面表现出高灵敏度和特异性.
- 拉索逻辑回归 (模型2) 在各种条件下总体上显示了与手动模型的性能改善或可比性.
- 模型有效性在前性队列中得到验证,表明可靠的预测能力.
结论:
- 预测模型利用临床征兆和放射能是可行的狗鼻病.
- 这些模型可以帮助确定是否需要先进的侵入性诊断程序.
- 实施预测模型可以优化治疗转诊和资源分配,以治疗狗鼻子疾病.
