期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于炎症因子、肺超声和CT评分系统的急性胰腺炎预后不良列线图预测模型的构建 被引量:1
1
作者 任夏 叶叶 +2 位作者 刘罗杰 徐晓丹 张岩 《临床肝胆病杂志》 北大核心 2025年第4期713-721,共9页
目的本研究旨在通过分析急性胰腺炎(AP)患者的炎症因子、肺超声评分及CT评分系统,识别AP预后不良的独立危险因素,并构建列线图预测模型,为临床早期干预提供依据。方法选取2021年1月—2023年10月苏州大学附属常熟医院收治的409例AP患者... 目的本研究旨在通过分析急性胰腺炎(AP)患者的炎症因子、肺超声评分及CT评分系统,识别AP预后不良的独立危险因素,并构建列线图预测模型,为临床早期干预提供依据。方法选取2021年1月—2023年10月苏州大学附属常熟医院收治的409例AP患者为研究对象,使用简单随机抽样法以7∶3分为建模组(n=288)和验证组(n=121)。各组依据转归情况分为预后不良组与预后良好组。于入院72 h内检测患者C反应蛋白(CRP)、降钙素原(PCT)、IL-6、IL-10、TNF-α水平,并在入院48~72 h评估肺超声(LUS)评分、改良CT严重指数(MCTSI)评分和胰腺外炎症CT(EPIC)评分。符合正态分布的计量资料组间比较采用成组t检验;非正态分布的计量资料组间比较采用Mann-Whitney U秩和检验。计数资料组间比较采用χ2检验。使用LASSO回归筛选变量并纳入多因素Logistic回归模型,分析AP预后不良的独立危险因素,构建列线图预测模型,采用受试者操作特征曲线(ROC曲线)和校准曲线评估列线图模型的区分度和拟合优度,决策曲线分析评价预测模型的临床适用性。结果288例建模组AP患者中,预后不良组33例(11.46%),预后良好组255例(88.54%);121例验证组AP患者中,预后不良组13例(10.74%),预后良好组108例(89.26%)。建模组中,与预后良好组相比,预后不良组CRP(Z=3.607)、IL-6(Z=4.189)、TNF-α(t=2.584)水平,以及LUS评分(t=8.075)、MCTSI评分(t=5.929)、EPIC评分(t=8.626)均较高(P值均<0.05);多因素Logistic回归分析显示,CRP(OR=3.592,95%CI:1.272~10.138)、IL-6(OR=4.225,95%CI:1.468~12.156)、TNF-α(OR=3.540,95%CI:1.205~10.401)、LUS评分(OR=7.094,95%CI:2.398~20.986)、MCTSI评分(OR=7.612,95%CI:2.832~20.462)及EPIC评分(OR=11.915,95%CI:4.007~35.432)是AP患者发生预后不良的独立危险因素(P值均<0.05)。依据以上6项,建立列线图预测模型,ROC曲线下面积(AUC)为0.924(95%CI:0.883~0.964);最佳截断值的约登指数为0.670,灵敏度为0.909,特异度为0.761;校准曲线显示建模组及验证组的预测结果与观察结果之间均具有良好的一致性;决策曲线分析提示预测模型具有临床有效性。结论基于CRP、IL-6、TNF-α、LUS评分、MCTSI评分及EPIC评分构建的AP患者预后不良的风险预测列线图模型有较好的预测效能,可为AP患者临床早期强化治疗方案提供重要策略指导。 展开更多
关键词 胰腺炎 C反应蛋白质 白细胞介素类 肺超声 列线图
在线阅读 下载PDF
血清IL-6和TNF-α对重症急性胰腺炎的早期诊断价值分析 被引量:20
2
作者 何健 俞隼 张静 《临床肝胆病杂志》 CAS 北大核心 2023年第7期1657-1664,共8页
目的 评估血清细胞因子在重症急性胰腺炎(SAP)早期诊断中的价值,并利用LASSO算法构建复合指标的数理模型以提高对SAP诊断的准确性。方法 纳入2019年1月-2022年6月在常熟市第一人民医院就诊的130例急性胰腺炎患者,其中SAP患者73例,非SAP... 目的 评估血清细胞因子在重症急性胰腺炎(SAP)早期诊断中的价值,并利用LASSO算法构建复合指标的数理模型以提高对SAP诊断的准确性。方法 纳入2019年1月-2022年6月在常熟市第一人民医院就诊的130例急性胰腺炎患者,其中SAP患者73例,非SAP患者57例。收集所有患者的外周血清样本并通过Luminex xMAP液相芯片技术完成13种血清细胞因子的精准检测。同时,所有患者均进行APACHEⅡ、BISAP和CTSI评分。使用Kolmogorov-Smirnov法进行正态性检验,对符合正态分布的计量资料两组间比较采用成组t检验;对非正态分布的计量资料两组间比较采用Mann-Whitney U检验。计数资料两组间比较采用χ^(2)检验。此外,通过二元Logistic回归分析评估细胞因子对SAP的影响,应用线性回归分析评估细胞因子与SAP疾病的严重程度之间的关联。偏相关分析在校正协变量(年龄、性别、BMI、高血压、糖尿病病史)后分析细胞因子与SAP疾病的严重程度评分的关联性。利用LASSO算法构建复合指标的数理模型,并采用受试者工作特征曲线(ROC曲线)分析血清细胞因子对SAP临床诊断的效能,计算曲线下面积(AUC)。结果 非SAP组APACHEⅡ、BISAP和CTSI评分、改良Marshall评分均低于SAP组,差异均有统计学意义(P值均<0.001)。SAP组患者IFN-γ、IL-1β、IL-6、IL-8、TNF-α水平均高于非SAP组,IL-12水平明显低于非SAP组,差异均有统计学意义(P值均<0.05)。Logistic回归分析结果显示,IFN-γ(OR=1.190,95%CI:1.036~1.367,P=0.014)、IL-6(OR=1.148,95%CI:1.070~1.231,P<0.001)和TNF-α(OR=1.100,95%CI:1.048~1.155,P<0.001)为SAP的独立影响因素。偏相关分析提示,在校正了性别、年龄、BMI、慢性疾病史(糖尿病、高血压)后,SAP患者IL-6和TNF-α的水平与APACHEⅡ评分均呈显著正相关(IL-6:r=0.503,P<0.001;TNF-α:r=0.557,P<0.001)。线性回归分析显示,SAP患者中IL-6和TNF-α水平均与APACHEⅡ评分有关(IL-6:β=0.049,P=0.044;TNF-α:β=0.054,P=0.046),且IL-6和TNF-α存在交互作用,影响APACHEⅡ评分。ROC曲线分析显示,LASSO算法联合IL-6和TNF-α构建的风险评分区分SAP和非SAP的AUC值最大(AUC=0.925),而IL-6和TNF-α的AUC分别为0.885、0.878;偏相关分析发现,在校正性别、年龄、BMI、慢性疾病史(糖尿病、高血压)后,SAP患者风险评分与APACHEⅡ评分呈显著正相关(r=0.565,P<0.001)。结论 血清IL-6和TNF-α水平可反映AP疾病严重程度。联合血清IL-6和TNF-α构建的风险评分可显著提高SAP早期诊断的准确性,对SAP的临床诊疗具有重要的临床价值。 展开更多
关键词 胰腺炎 白细胞介素6 肿瘤坏死因子Α LASSO算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部