您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览172 | 下载49

目的 通过建立Logistic回归模型研究对甲状腺良恶性结节鉴别诊断有意义的超声特征. 方法 173个甲状腺结节经手术病理证实,术前均记录灰阶和血流超声特征并对其进行评分;利用Logistic逐步回归分析筛选出甲状腺结节良恶性鉴别诊断的独立特征指标;绘制ROC曲线,评价Logistic回归模型的预报能力. 结果 ①运用二分类Logistic回归分析,形状、内部回声、纵横比、周边晕、钙化进入回归模型,并建立回归方程式,该回归模型对甲状腺良恶性结节预报的准确率为90.7%.②恶性可能性=1/1+e-Z,Z=bo+b1x1+……+bpxp(e值为2.718).③ROC曲线下面积为0.822(P <0.001),说明该模型的拟合效果较好. 结论 二分类Logistic回归分析能够筛选出对甲状腺结节良恶性鉴别诊断有意义的特征变量,有助于判断甲状腺结节的良恶性.

作者:张敏;刘利平;刘静静;张扬;杨婧;张炎晶

来源:山西医科大学学报 2015 年 46卷 11期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:172 | 下载:49
作者:
张敏;刘利平;刘静静;张扬;杨婧;张炎晶
来源:
山西医科大学学报 2015 年 46卷 11期
标签:
超声检查 甲状腺结节 Logistic回归模型 ultrasonography thyroid nodule Logistic regression model
目的 通过建立Logistic回归模型研究对甲状腺良恶性结节鉴别诊断有意义的超声特征. 方法 173个甲状腺结节经手术病理证实,术前均记录灰阶和血流超声特征并对其进行评分;利用Logistic逐步回归分析筛选出甲状腺结节良恶性鉴别诊断的独立特征指标;绘制ROC曲线,评价Logistic回归模型的预报能力. 结果 ①运用二分类Logistic回归分析,形状、内部回声、纵横比、周边晕、钙化进入回归模型,并建立回归方程式,该回归模型对甲状腺良恶性结节预报的准确率为90.7%.②恶性可能性=1/1+e-Z,Z=bo+b1x1+……+bpxp(e值为2.718).③ROC曲线下面积为0.822(P <0.001),说明该模型的拟合效果较好. 结论 二分类Logistic回归分析能够筛选出对甲状腺结节良恶性鉴别诊断有意义的特征变量,有助于判断甲状腺结节的良恶性.