CN115910365B - Eos-CRSwNP术前难治性评估模型的构建方法及预测系统 - Google Patents
Eos-CRSwNP术前难治性评估模型的构建方法及预测系统 Download PDFInfo
- Publication number
- CN115910365B CN115910365B CN202211458286.9A CN202211458286A CN115910365B CN 115910365 B CN115910365 B CN 115910365B CN 202211458286 A CN202211458286 A CN 202211458286A CN 115910365 B CN115910365 B CN 115910365B
- Authority
- CN
- China
- Prior art keywords
- crswnp
- eos
- preoperative
- score
- refractory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013210 evaluation model Methods 0.000 title claims abstract description 41
- 238000010276 construction Methods 0.000 title claims abstract description 11
- 238000001356 surgical procedure Methods 0.000 claims abstract description 27
- 238000007477 logistic regression Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000035945 sensitivity Effects 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 7
- 208000001490 Dengue Diseases 0.000 claims abstract description 6
- 206010012310 Dengue fever Diseases 0.000 claims abstract description 6
- 208000025729 dengue disease Diseases 0.000 claims abstract description 6
- 208000006673 asthma Diseases 0.000 claims description 28
- 206010028748 Nasal obstruction Diseases 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 22
- 208000024891 symptom Diseases 0.000 claims description 19
- 208000000592 Nasal Polyps Diseases 0.000 claims description 14
- 206010039085 Rhinitis allergic Diseases 0.000 claims description 10
- 201000010105 allergic rhinitis Diseases 0.000 claims description 10
- 230000000903 blocking effect Effects 0.000 claims description 8
- 210000001180 ethmoid sinus Anatomy 0.000 claims description 8
- 230000002146 bilateral effect Effects 0.000 claims description 7
- 238000000556 factor analysis Methods 0.000 claims description 6
- 206010002653 Anosmia Diseases 0.000 claims description 5
- 206010050515 Hyposmia Diseases 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 claims description 5
- 235000019559 hyposmia Nutrition 0.000 claims description 5
- 208000016366 nasal cavity polyp Diseases 0.000 claims description 5
- 206010003645 Atopy Diseases 0.000 claims description 4
- 206010039101 Rhinorrhoea Diseases 0.000 claims description 4
- 210000001214 frontal sinus Anatomy 0.000 claims description 4
- 210000004086 maxillary sinus Anatomy 0.000 claims description 4
- 210000003718 sphenoid sinus Anatomy 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 206010019233 Headaches Diseases 0.000 claims description 3
- 208000036071 Rhinorrhea Diseases 0.000 claims description 3
- 238000002591 computed tomography Methods 0.000 claims description 3
- 208000002173 dizziness Diseases 0.000 claims description 3
- 231100000869 headache Toxicity 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 208000027157 chronic rhinosinusitis Diseases 0.000 description 19
- 229940079593 drug Drugs 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 210000003928 nasal cavity Anatomy 0.000 description 6
- 230000002980 postoperative effect Effects 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 210000003695 paranasal sinus Anatomy 0.000 description 4
- 201000009890 sinusitis Diseases 0.000 description 4
- 239000003242 anti bacterial agent Substances 0.000 description 3
- 229940088710 antibiotic agent Drugs 0.000 description 3
- 210000003979 eosinophil Anatomy 0.000 description 3
- 230000002327 eosinophilic effect Effects 0.000 description 3
- 238000013077 scoring method Methods 0.000 description 3
- 230000028327 secretion Effects 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 206010028735 Nasal congestion Diseases 0.000 description 2
- 206010030113 Oedema Diseases 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 208000037062 Polyps Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 238000013129 endoscopic sinus surgery Methods 0.000 description 2
- 238000001839 endoscopy Methods 0.000 description 2
- 238000011010 flushing procedure Methods 0.000 description 2
- 239000003862 glucocorticoid Substances 0.000 description 2
- 230000002757 inflammatory effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000004877 mucosa Anatomy 0.000 description 2
- 210000001331 nose Anatomy 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 210000001944 turbinate Anatomy 0.000 description 2
- 206010000060 Abdominal distension Diseases 0.000 description 1
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 1
- 206010030111 Oedema mucosal Diseases 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 229960001138 acetylsalicylic acid Drugs 0.000 description 1
- 201000009961 allergic asthma Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 208000037976 chronic inflammation Diseases 0.000 description 1
- 208000037893 chronic inflammatory disorder Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002674 endoscopic surgery Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003714 granulocyte Anatomy 0.000 description 1
- 238000012333 histopathological diagnosis Methods 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 208000030603 inherited susceptibility to asthma Diseases 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 208000010753 nasal discharge Diseases 0.000 description 1
- 239000007922 nasal spray Substances 0.000 description 1
- 229940097496 nasal spray Drugs 0.000 description 1
- 210000000492 nasalseptum Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000668 oral spray Substances 0.000 description 1
- 229940041678 oral spray Drugs 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种Eos‑CRSwNP术前难治性评估模型的构建方法及预测系统，属于医学相关的技术领域。该构建方法包括如下步骤：(1)在获取到的患者资料中筛选出与难治性Eos‑CRSwNP相关的多个候选危险因素；(2)对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素；(3)基于所述危险因素进行多因素logistic回归分析，采用向后逐步回归的方法建立术前难治性的评估模型；(4)对所述术前难治性的评估模型建立受试者工作特征(ROC)曲线，以约登指数最大值时的预测概率p为截断值(cut‑off value)，并计算出所述评估模型的ROC曲线下面积(area under the curve,AUC)，特异度，灵敏度及总预测准确率。通过手术治疗前识别有难治性倾向的Eos‑CRSwNP患者，从而为患者的个性化治疗提供指导建议。
Description
技术领域
本发明涉及对Eos-CRSwNP术前难治性的评估预测，属于医学相关的技术领域，具体地涉及一种Eos-CRSwNP术前难治性评估模型的构建方法及预测系统。
背景技术
慢性鼻-鼻窦炎(CRS)是一种常见的鼻腔鼻窦粘膜慢性炎症性疾病，病程在12周以上。流行病学研究发现慢性鼻-鼻窦炎在中国人群的患病率约为8％左右，严重影响患者的生活质量，给社会造成了巨大的经济负担。根据鼻内镜检查是否存在鼻息肉可以将慢性鼻-鼻窦炎分为两种类型：慢性鼻-鼻窦炎伴鼻息肉(CRSwNP)和慢性鼻-鼻窦炎不伴鼻息肉(CRSsNP)。对于CRSwNP，基于鼻息肉组织中是否有大量的嗜酸性粒细胞浸润可将其分为嗜酸粒细胞性慢性鼻-鼻窦炎伴鼻息肉(Eos-CRSwNP)和非嗜酸粒细胞性慢性鼻-鼻窦炎伴鼻息肉(Non-eos-CRSwNP)。目前慢性鼻-鼻窦炎的药物治疗包括口服和鼻喷激素，抗生素，鼻腔盐水冲洗等，药物治疗无效的CRS患者，首选内镜鼻窦手术(ESS)。虽然大部分CRS患者接受手术及药物治疗能够取得较好的治疗效果，仍有部分CRS患者预后不佳，有超过20％的CRS患者在术后一年被诊断为难治性CRS。慢性鼻-鼻窦炎患者在接受鼻内镜手术治疗及围手术期合适的处理和鼻腔护理，经过术后规范系统的药物治疗(口服或鼻用糖皮质激素、抗生素、鼻腔冲洗)至少3月，在术后随访一年时患者仍有明显的鼻塞、流脓涕、面部胀痛等症状，术后鼻内镜检查可见鼻腔鼻窦口粘膜水肿、较多脓性分泌物等慢性炎症改变，则该患者可被诊断为难治性鼻窦炎。既往研究发现Eos-CRSwNP患者预后较差，发生难治性CRS的比例显著高于Non-eos-CRSwNP。因此，建立难治性Eos-CRSwNP预测模型有助于对治疗效果进行风险预测，从而改进治疗策略，为CRS的管理过程中的个体化治疗提供选择依据。
发明内容
为实现上述技术目的，本发明公开了一种Eos-CRSwNP术前难治性评估模型的构建方法及预测系统。通过在临床工作中获得无创性检查指标，建立Eos-CRSwNP术前难治性的评估模型，有助于在手术治疗前识别有难治性倾向的Eos-CRSwNP患者，从而为患者的个性化治疗提供指导建议。
为较好的实现上述目的，本发明公开了一种Eos-CRSwNP术前难治性评估模型的构建方法，它包括如下步骤：
1)在获取到的患者资料中筛选出与难治性Eos-CRSwNP相关的多个候选危险因素；
2)对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素；
3)基于所述危险因素进行多因素logistic回归分析，采用向后逐步回归的方法进一步筛选相关因素，建立术前难治性的评估模型；在所述评估模型中：哮喘、前期手术史、Lund-Mackay CT评分、鼻塞VAS评分为4个独立危险因素，年龄为1个保护因素。
4)对所述术前难治性的评估模型建立ROC曲线，以约登指数最大值时的预测概率p为截断值，并计算出此时所述评估模型的受试者工作曲线下面积(AUC)的最大值，特异度，灵敏度及总预测准确率。
进一步地，所述步骤3)中所述术前难治性的评估模型如下：
Logit p＝In[p/(1-p)]＝-2.574+1.888×哮喘+1.367×前期手术史+0.102×Lund-Mackay CT总分+0.192×鼻塞VAS评分-0.048×年龄；
其中，p表示预测概率；
哮喘取值：患有哮喘为1，不患哮喘为0；
前期手术史取值：有前期鼻窦手术史为1，无前期手术史为0；
Lund-Mackay CT总分表示患者术前行鼻窦CT扫描，并使用Lund-Mackay评分法进行评分，包括双侧额窦、前筛窦、后筛窦、上颌窦、蝶窦和窦口鼻道复合体(ostiomeatalcomplex，OMC)，且评分标准如下：
①每个鼻窦：0＝无异常，1＝部分阴影，2＝全部阴影；
②窦口鼻道复合体：0＝无阻塞，2＝阻塞；
③每侧0～12分，总分0～24分；
鼻塞VAS评分表示使用视觉模拟量表对鼻塞症状严重程度进行评分，评分为0至10分，其中0分表示完全无症状，10分表示症状极其严重。
进一步地，步骤4)中，采用所述受试者工作特征曲线获得所述评估模型的辨别力，其中，约登指数＝灵敏度+特异度-1，所述约登指数取值最大时，所述ROC曲线下面积最大，此时的预测概率p作为截断值用于判断患者在术后一年内发生难治性Eos-CRSwNP的概率。
进一步地，所述预测概率p为0.349，Logit 0.349＝In[0.349/(1-0.349)]＝-0.624；
则当Logit p＝In[p/(1-p)]＞-0.624，用于判断患者在术后一年内易发生难治性Eos-CRSwNP；
当Logit p＝In[p/(1-p)]≤-0.624时，用于判断患者在术后一年内不发生难治性Eos-CRSwNP。
或者所述预测概率p为0.349，则当所述预测概率p＞0.349时，用于判断患者在术后一年内易发生难治性Eos-CRSwNP；当所述预测概率p≤0.349时，用于判断患者在术后一年内不发生难治性Eos-CRSwNP的准确性为77.9％。
进一步地，所述步骤1)中所述多个所述候选影响因素包括性别、年龄、病程、家族史、有无特应性状态、有无过敏性鼻炎、有无哮喘、有无前期鼻窦手术史、鼻塞VAS评分、流鼻涕VAS评分、头昏头痛VAS评分、面部胀痛VAS评分、嗅觉减退VAS评分、总症状VAS总分、整体不适感VAS评分、双侧Lund-Mackay CT总分、术前鼻窦CT Lund-Mackay评分、术前行鼻内镜Lannza-Kennedy评分、鼻息肉评分、血嗜酸粒细胞值(×109/L)、血嗜酸粒细胞比例(％)。
进一步地，所述步骤2)中所述对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素，包括：年龄、有无过敏性鼻炎、有无哮喘、有无前期鼻窦手术史、鼻塞VAS评分、流鼻涕VAS评分、嗅觉减退VAS评分、总症状VAS总分、双侧Lund-Mackay CT总分、Lannza-Kennedy评分总分、血嗜酸粒细胞值(×109/L)、血嗜酸粒细胞比例(％)。
本发明的第二个技术目的是公开了一种Eos-CRSwNP术前难治性评估模型，它为采用第一个技术目的构建方法得到。
本发明的第三个技术目的是公开了一种Eos-CRSwNP术前难治性评估预测系统，它包括如下模块：
患者数据获取模块，用于在获得的患者资料中筛选出与难治性Eos-CRSwNP相关的多个候选危险因素；
单因素分析模块，用于对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素；
多因素分析模块，用于基于所述危险因素进行多因素logistic回归分析；
模型建立模块，用于基于所述多因素logistic回归分析结果建立Eos-CRSwNP术前难治性评估模型；
评估预测模块，用于基于所述评估模型建立ROC曲线，以约登指数最大值时的预测概率p为截断值，得到预测概率p，并计算出所述评估模型的AUC，特异度，灵敏度，及总预测准确率；
其中，所述Eos-CRSwNP术前难治性评估模型为第一个技术目的所述构建方法得到或第二个技术目的所述模型。
本发明的第四个技术目的是公开了一种Eos-CRSwNP术前难治性评估模型建立的终端设备，它包括处理器、存储器以及存储所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如第一个目的所述模型的构建方法。
本发明的第五个技术目的是提供了一种计算机可读存储介质，它包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述第一个目的所述模型的构建方法。
有益效果：
本发明通过在临床工作中获得无创性检查指标，建立Eos-CRSwNP术前难治性的评估模型，有助于在手术治疗前识别有难治性倾向的Eos-CRSwNP患者，从而为患者的个性化治疗提供指导建议。
附图说明
图1为本发明实施例设计的Eos-CRSwNP术前难治性的评估模型的构建方法的流程图；
图2为本发明实施例设计的临床指标针对于Eos-CRSwNP术前难治性的评估模型的ROC曲线；
图3为本发明实施例设计的Eos-CRSwNP术前难治性的评估预测系统的示意图。
具体实施方式
英文缩略词
详见图1，本发明设计了一种Eos-CRSwNP术前难治性的评估模型的构建方法，它包括如下步骤：
(1)在获取到的患者资料中筛选出与难治性Eos-CRSwNP相关的多个候选危险因素；
其中，患者资料及获取方式说明如下：
1、收集武汉地区，在2015年1月至2017年6月期间，华中科技大学附属同济医院接受内窥镜下鼻窦开放术治疗的且组织病理学诊断为嗜酸粒细胞性伴鼻息肉的慢性鼻-鼻窦炎(Eos-CRSwNP)患者共181例。
2、病例纳入标准：年龄＞18岁且鼻内镜检查证实为双侧鼻息肉。
3、根据病历系统资料及随访资料收集患者的临床资料；
1)性别、病程，起病年龄，术前用药史；
2)前期鼻部手术史：包括鼻窦炎手术史、鼻息肉手术史、鼻中隔矫正和下鼻甲手术等；
3)变态反应疾病史：是否处于特应性状态、是否患有过敏性鼻炎、支气管哮喘、阿司匹林不耐受等疾病；
4)家族史：包括鼻息肉、鼻窦炎、过敏性鼻炎和哮喘等。主观症状评估：采用视觉模拟量表(VAS)对鼻塞、黏性或黏脓性鼻涕、头昏头痛、面部胀满感、嗅觉减退或丧失症状症状的严重程度进行评分，评分从0至10分(0分表示完全无症状，10分表示症状极其严重)。
客观病情评估：1)患者术前采用鼻窦CT扫描，并使用Lund-Mackay评分系统评分，包括双侧额窦、前筛窦、后筛窦、上颌窦、蝶窦和窦口鼻道复合体(ostiomeatal complex，OMC)；评分标准：①鼻窦：0＝无异常，1＝部分阴影，2＝全部阴影；②OMC：0＝无阻塞，2＝阻塞；③每侧0～12分，总分0～24分。
2)患者术前行鼻内镜检查，并使用Lannza-Kennedy评分法评分，包括双侧鼻息肉、黏膜水肿、分泌物、结痂和瘢痕情况；评分标准：①0＝无，1＝轻，2＝重；②息肉：0＝无，1＝中鼻道内，2＝超过中鼻道，3＝超过下鼻甲、嗅裂息肉。每侧0～11分，总分为0～22分。
4、对患者随访一年，复查时对患者进行主观症状评估，并记录鼻内镜评分。慢性鼻-鼻窦炎患者在接受鼻内镜手术治疗及围手术期合理的处理和鼻腔护理，经过术后规范系统的药物治疗(口服或鼻用糖皮质激素、抗生素、鼻腔冲洗)至少3月，在术后随访一年时患者仍有明显的鼻塞、流脓涕、面部胀痛等症状，术后鼻内镜检查可见鼻腔鼻窦口粘膜水肿、较多脓性分泌物等慢性炎症改变，则该患者被诊断为难治性鼻窦炎。
其中，181例Eos-CRSwNP患者中随访一年后有64例发展为难治性Eos-CRSwNP。
5、对分类变量进行赋值：性别：女＝“0”，男＝“1”；前期手术史：无＝“0”，有＝“1”；是否特应性状态：否＝“0”，是＝“1”；有无过敏性鼻炎；无＝“0”，有＝“1”；有无哮喘；无＝“0”，有＝“1”。
(2)对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素；具体是使用SPSS22.0软件进行统计分析，对与结局变量可能相关的危险因素先进行单因素二元logistic回归分析，以难治性Eos-CRSwNP为因变量，计算出各研究因素的比值比(OR)和95％置信区间(95％CI)，得到可能度P＜0.1的危险因素；
表1难治性Eos-CRSwNP相关因素单因素logistic回归分析结果
为较多地发现相关因素，选取P<0.1为界，即以上候选因素中P<0.1者为难治性Eos-CRSwNP的危险因素。将单因素回归分析P<0.1的患者纳入多因素回归模型。
(3)基于所述危险因素进行多因素logistic回归分析，采用向后逐步回归的方法建立术前难治性的评估模型；具体是对于单因素回归分析P＜0.1的变量进一步进行多因素二元logistic回归分析，采用向后逐步回归，以纳入变量显著性水准为0.05，剔除变量的显著性水准为0.1，筛选出Eos-CRSwNP的4个独立危险因素和1个保护性因素，其中，哮喘、前期手术史、Lund-Mackay CT评分、鼻塞VAS评分为4个独立危险因素，年龄为1个保护因素。
建立难治性Eos-CRSwNP相关因素的回归方程：Logit(p)＝ln(p/1-p)＝-2.574+1.888×哮喘+1.367×前期手术史+0.102×Lund-Mackay CT评分+0.192×鼻塞VAS评分-0.048×年龄(年)。
其中，p表示预测概率；哮喘表示：患有哮喘为0，不患哮喘为0；前期手术史表示：有前期鼻窦手术史为1，无前期手术史为0；Lund-Mackay CT总分表示患者术前行鼻窦CT扫描，并使用Lund-Mackay评分法进行评分，包括双侧额窦、前筛窦、后筛窦、上颌窦、蝶窦和窦口鼻道复合体(ostiomeatal complex，OMC)，评分标准：①每个鼻窦：0＝无异常，1＝部分阴影，2＝全部阴影；②OMC：0＝无阻塞，2＝阻塞；③每侧0-12分，总分0-24分。鼻塞VAS评分表示：使用视觉模拟量表(VAS)对鼻塞症状严重程度进行评分，评分从0至10分(0分表示完全无症状，10分表示症状极其严重)。
且表2为与难治性Eos-CRSwNP相关的危险因素多因素logistic回归结果列表；
表2与难治性Eos-CRSwNP相关的危险因素多因素logistic回归结果列表
由上述表2可知，B为相关系数，正值表示危险因素，负值表示保护因素。
其中，哮喘、前期手术史、Lund-Mackay CT评分、鼻塞VAS评分为4个独立危险因素，年龄为1个保护因素。
(4)对所述术前难治性的评估模型建立ROC曲线，以约登指数最大值时的预测概率p为cut-off值，并计算出所述评估模型的AUC，特异度，灵敏度及总预测准确率。具体结合图2可知，使用受试者工作特征曲线(ROC)，曲线下方的面积(AUC)用于评估模型辨别力。通过检测观测值和预测值的差异采用Hosmer-Lemeshow拟合优度检验，结果发现，观测值和预测值的分离度差异无统计学意义，在图2中，对角段直线由绑定值生成，对角段上方的曲线为ROC曲线，模型的ROC曲线证明了良好的预测准确性：敏感度＝0.750，特异度＝0.795，曲线下面积(AUC)＝0.838，此时预测概率p＝0.349，ln(p/1-p)＝-0.624。p为预测概率，取值范围：0～1，由数学知识可知ln(p/1-p)为单调递增对数函数，随着p取值越大，ln(p/1-p)的数值也越大。
作为示例性的，术前难治性的评估模型评分分数参考判断结果如下：
1、p＞0.349，即预测方程的数值ln(p/1-p)＞-0.624时，预测患者在术后一年内发生难治性Eos-CRSwNP。
2、p≤0.349，即预测方程的数值ln(p/1-p)≤-0.624时，预测患者在术后一年内不会发生难治性Eos-CRSwNP。
本发明提供的术前难治性的评估模型应用于医疗中，以下是实施示例：
实施例1
患者女，53岁，不患哮喘，无过敏性鼻炎，无前期鼻窦手术史，CT总分为19分，鼻塞VAS评分为10分。鼻息肉活检诊断为Eos-CRSwNP。根据预测模型：Logit(p)＝ln(p/1-p)＝-2.574+1.888×哮喘(1)+1.367×前期手术史+0.102×Lund-Mackay CT评分+0.192×鼻塞VAS评分-0.048×年龄＝-2.574+1.888×0+1.367×0+0.102×19+0.192×10-0.048×53＝-1.26<-0.624。预测该患者术后一年不会发生难治性Eos-CRSwNP。
实施例2
患者男，52岁，患有哮喘、患有过敏性鼻炎，无前期手术史，CT总分为22分，鼻塞VAS评分为9分。根据预测模型：Logit(p)＝ln(p/1-p)＝-2.574+1.888×哮喘(1)+1.367×前期手术史+0.102×Lund-Mackay CT评分+0.192×鼻塞VAS评分-0.048×年龄＝-2.574+1.888×1+1.367×0+0.102×22+0.192×9-0.048×52＝0.79>-0.624。预测该患者术后一年会发生难治性Eos-CRSwNP。
实施例3
患者男，24岁，无哮喘，无过敏性鼻炎，有前期鼻窦手术史，CT总分24分，鼻塞VAS评分10分，根据预测模型：Logit(p)＝ln(p/1-p)＝-2.574+1.888×哮喘+1.367×前期手术史+0.102×Lund-Mackay CT评分+0.192×鼻塞VAS评分-0.048×年龄＝-2.574+1.888×0+1.367×1+0.102×24+0.192×10-0.048×24＝2.009>-0.624。预测该患者术后一年会发生难治性Eos-CRSwNP。
综上，上述通过SPSS22.0软件处理获得Eos-CRSwNP术前难治性的评估模型。该评估模型有助于在手术治疗前识别有难治性倾向的Eos-CRSwNP患者，从而为个体的个性化治疗提供指导建议。
如图3所示，本发明还公开了一种Eos-CRSwNP术前难治性的评估预测系统，它包括如下模块：
患者数据获取模块，用于在获得的患者资料中筛选出与难治性Eos-CRSwNP相关的多个候选危险因素；
单因素分析模块，用于对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素；
多因素分析模块，用于基于所述危险因素进行多因素logistic回归分析；
模型建立模块，用于基于所述多因素logistic回归分析结果建立Eos-CRSwNP术前难治性的评估模型；
评估预测模块，用于基于所述评估模型建立ROC曲线，以约登指数最大值时的预测概率p为cut-off值，得到预测概率p，并计算出所述评估模型的AUC，特异度，灵敏度及总预测准确率。
此外，本发明还公开了一种Eos-CRSwNP术前难治性的评估模型建立的终端设备，它包括处理器、存储器以及存储所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述模型的构建方法，具体如图1所示的步骤。
具体的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述术前风险评估模型建立终端设备中的执行过程。
所述Eos-CRSwNP术前难治性的评估模型建立的终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述Eos-CRSwNP术前难治性的评估模型建立的终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述部件仅仅是术前风险评估模型建立终端设备的示例，并不构成对术前风险评估模型建立终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述Eos-CRSwNP术前难治性的评估模型建立终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述的处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述术前风险评估模型建立终端设备的控制中心，利用各种接口和线路连接所述Eos-CRSwNP术前难治性的评估模型建立的终端设备的各个部分。
所述的存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述Eos-CRSwNP术前难治性的评估模型建立终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述术前风险评估模型建立终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种Eos-CRSwNP术前难治性评估模型的构建方法，其特征在于：它包括如下步骤：
1)在获取到的患者资料中筛选出与难治性Eos-CRSwNP相关的多个候选危险因素；
2)对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素；
3)基于所述危险因素进行多因素logistic回归分析，采用向后逐步回归的方法进一步筛选相关因素，建立术前难治性评估模型；
4)对所述术前难治性的评估模型建立ROC曲线，以约登指数最大值时的预测概率p为截断值，并计算出此时所述评估模型的受试者工作特征曲线下面积，特异度，灵敏度及总预测准确率；
所述步骤3)中所述术前难治性的评估模型如下：
Logit p＝In[p/(1-p)]＝-2.574+1.888×哮喘+1.367×前期手术史+0.102×Lund-Mackay CT总分+0.192×鼻塞VAS评分-0.048×年龄；
其中，p表示预测概率；
哮喘取值：患有哮喘为1，不患哮喘为0；
前期手术史取值：有前期鼻窦手术史为1，无前期手术史为0；
Lund-Mackay CT总分表示患者术前行鼻窦CT扫描，并使用Lund-Mackay评分法进行评分，包括双侧额窦、前筛窦、后筛窦、上颌窦、蝶窦和窦口鼻道复合体，且评分标准如下：
①每个鼻窦：0＝无异常，1＝部分阴影，2＝全部阴影；
②窦口鼻道复合体：0＝无阻塞，2＝阻塞；
③每侧0～12分，总分0～24分；
鼻塞VAS评分表示使用视觉模拟量表对鼻塞症状严重程度进行评分，评分为0至10分。
2.根据权利要求1所述的Eos-CRSwNP术前难治性评估模型的构建方法，其特征在于：步骤4)中，采用所述受试者工作特征曲线获得所述评估模型的辨别力，其中，约登指数＝灵敏度+特异度-1，所述约登指数取值最大时，所述ROC曲线下面积最大，此时的预测概率p作为截断值用于判断患者在术后一年内发生难治性Eos-CRSwNP的概率。
3.根据权利要求1所述的Eos-CRSwNP术前难治性评估模型的构建方法，其特征在于：所述预测概率p为0.349，Logit 0.349＝In[0.349/(1-0.349)]＝-0.624；
则当Logit p＝In[p/(1-p)]＞-0.624，用于判断患者在术后一年内易发生难治性Eos-CRSwNP；
当Logit p＝In[p/(1-p)]≤-0.624时，用于判断患者在术后一年内不发生难治性Eos-CRSwNP。
4.根据权利要求1所述的Eos-CRSwNP术前难治性评估模型的构建方法，其特征在于：所述步骤1)中多个候选危险因素包括性别、年龄、病程、家族史、有无特应性状态、有无过敏性鼻炎、有无哮喘、有无前期鼻窦手术史、鼻塞VAS评分、流鼻涕VAS评分、头昏头痛VAS评分、面部胀痛VAS评分、嗅觉减退VAS评分、总症状VAS总分、整体不适感VAS评分、双侧Lund-MackayCT总分、术前鼻窦CT Lund-Mackay评分、术前行鼻内镜Lannza-Kennedy评分、鼻息肉评分、血嗜酸粒细胞值、血嗜酸粒细胞比例。
5.根据权利要求1所述Eos-CRSwNP术前难治性评估模型的构建方法，其特征在于：所述步骤2)中所述对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素，包括：年龄、有无过敏性鼻炎、有无哮喘、有无前期鼻窦手术史、鼻塞VAS评分、流鼻涕VAS评分、嗅觉减退VAS评分、总症状VAS总分、双侧Lund-Mackay CT总分、Lannza-Kennedy评分总分、血嗜酸粒细胞值、血嗜酸粒细胞比例。
6.一种Eos-CRSwNP术前难治性评估预测系统，其特征在于，它包括如下模块：
患者数据获取模块，用于在获得的患者资料中筛选出与难治性Eos-CRSwNP相关的多个候选危险因素；
单因素分析模块，用于对多个所述候选危险因素进行单因素logistic回归分析以得到可能度P＜0.1的危险因素；
多因素分析模块，用于基于所述危险因素进行多因素logistic回归分析；
模型建立模块，用于基于所述多因素logistic回归分析结果建立Eos-CRSwNP术前难治性评估模型；
评估预测模块，用于基于所述评估模型建立ROC曲线，以约登指数最大值时的预测概率p为截断值，得到预测概率p，并计算出所述评估模型的AUC，特异度，灵敏度，及总预测准确率；
其中，所述Eos-CRSwNP术前难治性评估模型为采用权利要求1～5中任意一项所述构建方法得到。
7.一种Eos-CRSwNP术前难治性评估模型建立的终端设备，其特征在于，它包括处理器、存储器以及存储所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如所述权利要求1～5中任意一项所述模型的构建方法。
8.一种计算机可读存储介质，其特征在于，它包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1～5中任意一项所述模型的构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211458286.9A CN115910365B (zh) | 2022-11-16 | 2022-11-16 | Eos-CRSwNP术前难治性评估模型的构建方法及预测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211458286.9A CN115910365B (zh) | 2022-11-16 | 2022-11-16 | Eos-CRSwNP术前难治性评估模型的构建方法及预测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115910365A CN115910365A (zh) | 2023-04-04 |
| CN115910365B true CN115910365B (zh) | 2024-02-13 |
Family
ID=86490737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211458286.9A Active CN115910365B (zh) | 2022-11-16 | 2022-11-16 | Eos-CRSwNP术前难治性评估模型的构建方法及预测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115910365B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2487578A1 (en) * | 2003-12-11 | 2005-06-11 | Epigenomics Ag | Prognostic markers for prediction of treatment response and/or survival of breast cell proliferative disorder patients |
| WO2011060361A1 (en) * | 2009-11-13 | 2011-05-19 | Bg Medicine, Inc. | Risk factors and prediction of myocardial infarction |
| CN109727679A (zh) * | 2018-07-30 | 2019-05-07 | 中国医学科学院肿瘤医院 | 一种颈部吻合食管癌切除术手术部位感染风险预测评分及系统 |
| EP3502280A1 (en) * | 2017-12-21 | 2019-06-26 | Koninklijke Philips N.V. | Pre-surgical risk stratification based on pde4d7 expression and pre-surgical clinical variables |
| CN110970133A (zh) * | 2019-12-10 | 2020-04-07 | 中国医学科学院肿瘤医院 | 一种crt风险评估方法和风险预测系统 |
| CN111863260A (zh) * | 2020-07-15 | 2020-10-30 | 广东省心血管病研究所 | 急性Stanford A型主动脉夹层术前风险评估模型建立方法及装置 |
| CN112820397A (zh) * | 2021-01-20 | 2021-05-18 | 尹丽君 | 一种冠状动脉旁路移植术围术期风险预测模型的建立方法 |
| CN112837819A (zh) * | 2021-01-20 | 2021-05-25 | 尹丽君 | 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法 |
| CN113327679A (zh) * | 2021-05-27 | 2021-08-31 | 上海市闵行区中心医院 | 一种肺栓塞临床风险及预后评分方法与系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070265506A1 (en) * | 2006-05-10 | 2007-11-15 | Wang Pa-Chun | Two-tier model to screen patients with sleep-disordered breathing |
-
2022
- 2022-11-16 CN CN202211458286.9A patent/CN115910365B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2487578A1 (en) * | 2003-12-11 | 2005-06-11 | Epigenomics Ag | Prognostic markers for prediction of treatment response and/or survival of breast cell proliferative disorder patients |
| WO2011060361A1 (en) * | 2009-11-13 | 2011-05-19 | Bg Medicine, Inc. | Risk factors and prediction of myocardial infarction |
| EP3502280A1 (en) * | 2017-12-21 | 2019-06-26 | Koninklijke Philips N.V. | Pre-surgical risk stratification based on pde4d7 expression and pre-surgical clinical variables |
| CN109727679A (zh) * | 2018-07-30 | 2019-05-07 | 中国医学科学院肿瘤医院 | 一种颈部吻合食管癌切除术手术部位感染风险预测评分及系统 |
| CN110970133A (zh) * | 2019-12-10 | 2020-04-07 | 中国医学科学院肿瘤医院 | 一种crt风险评估方法和风险预测系统 |
| CN111863260A (zh) * | 2020-07-15 | 2020-10-30 | 广东省心血管病研究所 | 急性Stanford A型主动脉夹层术前风险评估模型建立方法及装置 |
| CN112820397A (zh) * | 2021-01-20 | 2021-05-18 | 尹丽君 | 一种冠状动脉旁路移植术围术期风险预测模型的建立方法 |
| CN112837819A (zh) * | 2021-01-20 | 2021-05-25 | 尹丽君 | 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法 |
| CN113327679A (zh) * | 2021-05-27 | 2021-08-31 | 上海市闵行区中心医院 | 一种肺栓塞临床风险及预后评分方法与系统 |
Non-Patent Citations (3)
| Title |
|---|
| 《Classification of chronic rhinosinusitis with nasal polyps based on eosinophilic inflammation》;潘立;《中华耳鼻咽喉头颈外科杂志》;全文 * |
| 慢性鼻-鼻窦炎鼻内镜手术后疗效的影响因素分析;戴义国;纪东;赵;桂晓钟;;中国中西医结合耳鼻咽喉科杂志(第05期);全文 * |
| 胰十二指肠切除术后腹腔感染的多因素Logistic回归分析及风险评估;余安;黄强;刘臣海;林先盛;谢放;朱成林;;中国煤炭工业医学杂志(12);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115910365A (zh) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yee et al. | Neuropathology of the olfactory mucosa in chronic rhinosinusitis | |
| Webber et al. | Lacrimal canalicular duct scarring in patients with lichen planus | |
| Humphries et al. | Volumetric assessment of paranasal sinus opacification on computed tomography can be automated using a convolutional neural network | |
| Ahmed et al. | Functional endoscopic balloon dilation of sinus ostia for chronic rhinosinusitis | |
| Salmon et al. | Primary care consultations about medically unexplained symptoms: patient presentations and doctor responses that influence the probability of somatic intervention | |
| Ness et al. | Prediction of pelvic inflammatory disease among young, single, sexually active women | |
| Yugué et al. | Analysis of the risk factors for tracheostomy in traumatic cervical spinal cord injury | |
| Bonfils et al. | Correlation between nasosinusal symptoms and topographic diagnosis in chronic rhinosinusitis | |
| DelGaudio et al. | Central compartment involvement in aspirin‐exacerbated respiratory disease: the role of allergy and previous sinus surgery | |
| Handa et al. | Longitudinal changes in the genital hiatus preceding the development of pelvic organ prolapse | |
| Charlton et al. | A cervical abnormality risk prediction model: can we use clinical information to predict which patients with ASCUS/LSIL Pap tests will develop CIN 2/3 or AIS? | |
| Laababsi et al. | Quality of life outcomes of patients with chronic rhinosinusitis after functional endoscopic sinus surgery, prospective cohort study | |
| Katz et al. | Prevalence of periapical abscesses in patients with hypertension: A cross-sectional study of a large hospital population | |
| Angeli et al. | Predicting recidivism for acquired cholesteatoma: evaluation of a current staging system | |
| Kashiwagi et al. | Postoperative evaluation of olfactory dysfunction in eosinophilic chronic rhinosinusitis–comparison of histopathological and clinical findings | |
| Zeng et al. | A deep learning approach to predict conductive hearing loss in patients with otitis media with effusion using otoscopic images | |
| Luchristt et al. | Risk of obstetric anal sphincter injuries at the time of admission for delivery: a clinical prediction model | |
| Pawar et al. | Validation of artificial intelligence algorithm in the detection and staging of diabetic retinopathy through fundus photography: an automated tool for detection and grading of diabetic retinopathy | |
| CN115910365B (zh) | Eos-CRSwNP术前难治性评估模型的构建方法及预测系统 | |
| Rosenberg et al. | Comparison of comorbid associations and ocular complications in herpes simplex and zoster keratitis | |
| Halim et al. | Risk factors associated with post-operative uveitis after cataract surgery: a retrospective case-control study | |
| Huang et al. | Feasibility of anterior lobe-preserving transurethral enucleation and resection of prostate on improving urinary incontinence in patients with benign prostatic hyperplasia: A retrospective cohort study | |
| Borrull-Guardeño et al. | Cervical cancer screening in women with severe mental disorders: an approach to the Spanish context | |
| Sudiro et al. | Correlation of Lund-Mackay Score on Computed Tomography Scan and Nasoendoscopic Score in Chronic Rhinosinusitis | |
| Kundu et al. | Role of artificial intelligence in determining factors impacting patients’ refractive surgery decisions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |