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29 | 下载4

目的:基于MRI平扫征象建立腮腺肿瘤良恶性鉴别的预测模型,为腮腺肿瘤的术前诊治提供重要依据.方法:选取经病理确诊的 138 例腮腺肿瘤患者为建模组,通过logistic回归分析筛选出腮腺肿瘤良恶性鉴别的独立影响因素,建立肿瘤良恶性数学预测模型;另收集经病理确诊的腮腺肿瘤患者 35 例进行验证(验证组).结果:单因素和多因素logistic回归分析显示,肿瘤形态、边界、信号均匀性、ADC值这 4 个指标是预测腮腺肿瘤良恶性的独立影响因素(均P<0.05).通过对建模组行多因素logistic回归分析,建立数学预测模型如下:Y=eX/(1+eX),X=0.385+(-1.416×肿瘤形态)+(-1.473×肿瘤边界)+(-1.306×肿瘤信号)+(2.312×肿瘤ADC值).结果 显示,该模型对腮腺肿瘤良恶性判断ROC曲线的AUC为 0.832(95

作者:郭昊;史灵雪;刘硕;于保婷;管玉瑶;郑雪微;李佟;杨鸿声;冯婧

来源:中国中西医结合影像学杂志 2023 年 21卷 4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:29 | 下载:4
作者:
郭昊;史灵雪;刘硕;于保婷;管玉瑶;郑雪微;李佟;杨鸿声;冯婧
来源:
中国中西医结合影像学杂志 2023 年 21卷 4期
标签:
腮腺肿瘤 Logistic回归 预测模型 列线图 Parotidneoplasms Logistic regression Prediction model Nomogram
目的:基于MRI平扫征象建立腮腺肿瘤良恶性鉴别的预测模型,为腮腺肿瘤的术前诊治提供重要依据.方法:选取经病理确诊的 138 例腮腺肿瘤患者为建模组,通过logistic回归分析筛选出腮腺肿瘤良恶性鉴别的独立影响因素,建立肿瘤良恶性数学预测模型;另收集经病理确诊的腮腺肿瘤患者 35 例进行验证(验证组).结果:单因素和多因素logistic回归分析显示,肿瘤形态、边界、信号均匀性、ADC值这 4 个指标是预测腮腺肿瘤良恶性的独立影响因素(均P<0.05).通过对建模组行多因素logistic回归分析,建立数学预测模型如下:Y=eX/(1+eX),X=0.385+(-1.416×肿瘤形态)+(-1.473×肿瘤边界)+(-1.306×肿瘤信号)+(2.312×肿瘤ADC值).结果 显示,该模型对腮腺肿瘤良恶性判断ROC曲线的AUC为 0.832(95