预测结直肠癌风险:一种使用贫血和血液测试标记物的新方法

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 结肠直肠癌 (CRC) 构成了重大的公共卫生挑战,COVID-19流行病相关的检测和诊断下降加剧了这一问题.
• 新的方法对于识别高风险个体和优化医疗保健资源分配至关重要.
• 早期风险分层有利于患者,临床医生和医疗保健系统.

研究的目的:

• 开发和验证结直肠癌风险的预测模型.
• 确定结直肠癌的关键临床和实验室预测因素.
• 帮助合理分配医疗保健资源,用于CRC管理.

主要方法:

• 对719名患者的临床数据进行了回顾性分析 (302例CRC病例,417例对照).
• 应用单变量,多变量逻辑回归和LASSO回归用于预测选.
• 基于选定的预测因素,开发一个Nomogram模型,并使用ROC,校准曲线和DCA评估其准确性.

主要成果:

• 单变量分析确定了BMI,红细胞,贫血,MCV,MCH,MCHC,PLT和RDW-SD与CRC风险之间的相关性.
• 多变量分析显示,BMI和红细胞数量下降,贫血和PLT增加是危险因素.
• 拉索回归选择了BMI,红细胞,贫血和PLT作为显著的预测因素.
• 诺米图实现了0.751的AUC,并表现出良好的预测能力和诊断准确性.

结论:

• 开发的Nomogram模型准确预测结直肠癌风险.
• 确定预测因素 (BMI,红细胞,贫血,PLT) 对于风险评估至关重要.
• 该模型支持临床决策和在CRC护理中有效分配资源.