开发一个多机构的诺姆图,以评估患有5-30毫米肺结节的患者的肺癌风险:回顾性分析
Yongjie Jiang1, Taibing Deng2, Yuyan Huang1
1Department of Respiratory and Critical Care Medicine, The Affiliated Hospital of North Sichuan Medical College, Nanchong, Sichuan, China.
PeerJ
|December 18, 2023
概括
这项研究使用临床和CT数据开发了一个名图,以准确诊断孤独的肺结节. 该工具有助于区分良性病例和恶性病例,改善患者管理.
科学领域:
- 放射学和瘤学 放射学和瘤学
- 医疗信息学 医疗信息学
背景情况:
- 由于主观评估,诊断单独的肺结节 (SPNs) 是一个挑战.
- 仅仅临床经验就在区分良性和恶性SPN方面存在局限性.
研究的目的:
- 开发和验证用于诊断良性和恶性单独肺结节的诺米克图.
- 整合临床信息和计算机断层扫描 (CT) 发现,以提高诊断准确度.
主要方法:
- 追溯收集了1,160名患者的临床和CT数据.
- 使用最小绝对收缩和选择运算符 (LASSO) 进行特征选择和多变量逻辑回归.
- 使用接收器运行特征曲线 (AUC) 下面的面积,C指数和决策曲线分析验证了名图.
主要成果:
- 确定了关键预测因素:性别,结节密度,直径,球状,化,真空,血管收,支气管和胸膜伸缩.
- 取得了高性能,C指数为0.842 (培训) 和0.856 (验证),AUC为0.842 (培训) 和0.844 (验证).
- 在训练和验证组中,Nomogram表现出了很好的适应性和临床实用性.
结论:
- 一个经过验证的诺姆图有效地帮助诊断单独的肺结节.
- 这种工具可以指导临床决策关于随访和治疗SPNs患者.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
292
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.5K
