目的:以单中心资料为研究对象,建立包含超声声像图特征的甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)患者中央区淋巴结转移(central lymph node metastasis,CLNM)预测模型,以辅助临床进行术前评估、针对患者选择个体化的...目的:以单中心资料为研究对象,建立包含超声声像图特征的甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)患者中央区淋巴结转移(central lymph node metastasis,CLNM)预测模型,以辅助临床进行术前评估、针对患者选择个体化的治疗方案。方法:研究共纳入912例经术后病理学检查证实的PTC患者,收集一般情况、实验室指标和超声声像图,将其随机分为训练组(n=727)和验证组(n=185)。在训练组中研究CLNM的相关因素,采用logistic回归分析法建立预测模型,绘制列线图预测CLNM的风险,在验证组中对其效能进行验证,并利用临床决策曲线对其临床应用进行评价。结果:本研究建立了包含性别、年龄、病灶总直径(total tumor diameter,TTD)、促甲状腺激素(thyroid stimulating hormone,TSH)、钙化、病灶与甲状腺包膜的关系和桥本甲状腺炎的预测模型,在验证组和训练组中得到的曲线下面积(area under curve,AUC)分别为0.746和0.826。与术前超声相比,预测模型提高了诊断的灵敏度,并且通过临床决策曲线体现了其临床收益。结论:利用logistic回归建立的列线图预测模型,在预测PTC患者CLNM中体现出了较好的效能,能够补充超声诊断的不足。展开更多
文摘目的分析单侧甲状腺乳头状癌(unilateral papillary thyroid carcinoma,uPTC)发生对侧中央区淋巴结(contralateral central lymph nodes,Cont-CLNs)转移的临床高危因素,探讨Cont-CLNs清扫指征。方法回顾性分析2010年1月~2017年12月行甲状腺全切及双颈中央区淋巴结清扫的136例uPTC的临床病例资料,采用单因素分析和多因素Logistic回归的方法研究Cont-CLNs转移与uPTC患者各项临床病理特征的关系,构建Cont-CLNs转移的风险预测模型,ROC曲线分析其预测价值。结果本组136例uPTC患者中,患侧中央区淋巴结(ipsilateral central lymph nodes,Ipsi-CLNs)转移率48.53%(66/136),Cont-CLNs转移率19.85%(27/136),Ipsi-CLNs未转移而Cont-CLNs转移(跳跃性转移)为5.15%(7/136)。单因素结果表明,ContCLNs转移与uPTC患者的性别、病灶部位、肿瘤最大径、被膜侵犯及Ipsi-CLNs转移有关(P<0.05),而与年龄、病灶数目、合并桥本氏甲状腺炎及侧颈淋巴结转移无明显关系(P>0.05)。Logistic回归结果显示,性别(男性)、被膜侵犯及Ipsi-CLNs转移是Cont-CLNs转移的独立预测因素,该模型预测Cont-CLNs转移的曲线下面积(AUC)为0.764(95%置信区间为0.658～0.871),当取约登指数最大时,其预测的敏感性为59.26%,特异性为83.49%。结论单侧甲状腺乳头状癌伴有男性、被膜侵犯及Ipsi-CLNs转移等高危特征时应警惕Cont-CLNs转移,可考虑行Cont-CLNs清扫。
文摘目的:以单中心资料为研究对象,建立包含超声声像图特征的甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)患者中央区淋巴结转移(central lymph node metastasis,CLNM)预测模型,以辅助临床进行术前评估、针对患者选择个体化的治疗方案。方法:研究共纳入912例经术后病理学检查证实的PTC患者,收集一般情况、实验室指标和超声声像图,将其随机分为训练组(n=727)和验证组(n=185)。在训练组中研究CLNM的相关因素,采用logistic回归分析法建立预测模型,绘制列线图预测CLNM的风险,在验证组中对其效能进行验证,并利用临床决策曲线对其临床应用进行评价。结果:本研究建立了包含性别、年龄、病灶总直径(total tumor diameter,TTD)、促甲状腺激素(thyroid stimulating hormone,TSH)、钙化、病灶与甲状腺包膜的关系和桥本甲状腺炎的预测模型,在验证组和训练组中得到的曲线下面积(area under curve,AUC)分别为0.746和0.826。与术前超声相比,预测模型提高了诊断的灵敏度,并且通过临床决策曲线体现了其临床收益。结论:利用logistic回归建立的列线图预测模型,在预测PTC患者CLNM中体现出了较好的效能,能够补充超声诊断的不足。
