在清洁细胞概率得分的小脏群体中的人口基因组学多样性的表征
Louis C Vazquez, Yin Xi1, Robert G Rasmussen1
1From the Department of Radiology, University of Texas Southwestern School of Medicine.
Journal of computer assisted tomography
|January 12, 2024
概括
患者的人口统计和成像得分预测小质 (SRM) 亚型. 该模型有助于估计清细胞细胞癌 (ccRCC) 和其他亚型的可能性,有助于诊断.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
背景情况:
- 小型质 (SRMs) 需要精确的组织学亚型,以实现最佳管理.
- 当前的诊断模型可能无法完全整合患者的人口统计因素与成像特征.
- 开发SRM亚型的预测模型可以改善临床决策.
研究的目的:
- 开发一种诊断模型,用于估计小质 (SRM) 组织学亚型的分布.
- 评估人口因素和清除细胞概率评分 (ccLS) 对SRM组织学的影响.
- 为预测特定SRM亚型的概率提供一个工具.
主要方法:
- 在347名366名SRM患者的回顾性队列研究中.
- 磁共振成像 (MRI) 与病前ccLS评估.
- 收集了包括种族,种族,社会经济地位 (地区贫困指数) 和BMI在内的人口数据.
- 用于建模子类型概率的通用估计方程.
主要成果:
- 种族,种族,BMI和ccLS是SRM组织学的显著预测因素 (P < 0.001).
- 肥胖 具有高ccLS (≥4) 的西班牙裔患者估计的ccRCC率最高 (97.1%).
- 低ccLS (≤2) 的正常体重非西班牙裔黑人患者的ccRCC率最低 (0.2%).
- 在超重非西班牙裔黑人患有低ccLS (92.3%) 患者中观察到的状性细胞癌率最高.
结论:
- 患者的种族,种族,BMI和ccLS为估计SRM组织学亚型提供了协同信息.
- 开发的模型可以提高SRM的诊断准确性.
- 整合人口统计和成像数据可以改善质组织学预测.
