目的:构建常规实验室指标与肿瘤标志物联合的个体化预测肺癌转移的Nomogram模型,旨在探索肺癌转移筛查与辅助诊断的新方法。方法:收集2013至2023年于西南医科大学附属医院诊断为肺癌的218例患者的临床资料,随机分为训练集和验证集。基...目的:构建常规实验室指标与肿瘤标志物联合的个体化预测肺癌转移的Nomogram模型,旨在探索肺癌转移筛查与辅助诊断的新方法。方法:收集2013至2023年于西南医科大学附属医院诊断为肺癌的218例患者的临床资料,随机分为训练集和验证集。基于训练集,使用LASSO回归和多因素Logistic回归分析肺癌转移的独立预测因素,构建Nomogram模型。使用一致性指数(C-index, C指数)、受试者工作特征曲线下面积(area under the curve, AUC)、Calibration校准曲线、决策曲线分析(decision curve analysis, DCA)评估该模型的区分度、校准能力、预测能力和临床效用。结果:多因素Logistic回归结果显示,癌胚抗原(CEA,P<0.001)、神经元特异性烯醇化酶(NSE,P=0.006)、细胞角蛋白19片段(CYFRA21-1,P=0.025)、丙氨酸氨基转移酶(ALT,P=0.002)、总蛋白(TP,P=0.006)、淋巴细胞数(LYM,P=0.006)、纤维蛋白原(FIB,P=0.027)是发生肺癌转移的独立预测因素。训练集和验证集的C指数分别为0.900和0.831,Calibration校准曲线和DCA曲线显示该模型有良好的预测性能。结论:CEA、NSE、CYFRA21-1、ALT、TP、LYM和FIB是肺癌转移的独立预测因素。基于常规实验室指标与肿瘤标志物建立的肺癌转移Nomogram模型具有较高的临床预测性能和应用潜力。展开更多
目的从健康不平等的视角全面分析慢性病与残疾之间的关系,为有效应对人口老龄化提供依据。方法基于中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,CHARLS)4轮的调查数据,分析不同慢性病群体的残疾流行情况,...目的从健康不平等的视角全面分析慢性病与残疾之间的关系,为有效应对人口老龄化提供依据。方法基于中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,CHARLS)4轮的调查数据,分析不同慢性病群体的残疾流行情况,采用多重累积风险模型对残疾发生风险进行分解,探讨慢性病贡献率反映的不平等现象。结果2011—2018年,调查对象的残疾总体发生率从16.48%上升至18.83%,差异具有统计学意义(χ2=47.44,P<0.001)。女性、农村地区和低社会经济地位个体在各年龄组中均表现出更高的特定疾病的残疾发生率,且具有更高的慢性病贡献度。在低年龄组群体(45~64岁)中,相对贡献率最大的是背景因素(41.31%~58.57%),其次为关节炎(18.85%~31.28%);在高年龄组群体(65岁及以上)中,相对贡献率最大的为关节炎(29.77%~40.80%)。结论残疾流行情况呈现出不平等现象,受教育程度不同的群体和城乡个体之间差异尤为明显。降低背景因素和关节炎发生风险,或将有助于缓解残疾负担和促进健康老龄化。展开更多
文摘目的:构建常规实验室指标与肿瘤标志物联合的个体化预测肺癌转移的Nomogram模型,旨在探索肺癌转移筛查与辅助诊断的新方法。方法:收集2013至2023年于西南医科大学附属医院诊断为肺癌的218例患者的临床资料,随机分为训练集和验证集。基于训练集,使用LASSO回归和多因素Logistic回归分析肺癌转移的独立预测因素,构建Nomogram模型。使用一致性指数(C-index, C指数)、受试者工作特征曲线下面积(area under the curve, AUC)、Calibration校准曲线、决策曲线分析(decision curve analysis, DCA)评估该模型的区分度、校准能力、预测能力和临床效用。结果:多因素Logistic回归结果显示,癌胚抗原(CEA,P<0.001)、神经元特异性烯醇化酶(NSE,P=0.006)、细胞角蛋白19片段(CYFRA21-1,P=0.025)、丙氨酸氨基转移酶(ALT,P=0.002)、总蛋白(TP,P=0.006)、淋巴细胞数(LYM,P=0.006)、纤维蛋白原(FIB,P=0.027)是发生肺癌转移的独立预测因素。训练集和验证集的C指数分别为0.900和0.831,Calibration校准曲线和DCA曲线显示该模型有良好的预测性能。结论:CEA、NSE、CYFRA21-1、ALT、TP、LYM和FIB是肺癌转移的独立预测因素。基于常规实验室指标与肿瘤标志物建立的肺癌转移Nomogram模型具有较高的临床预测性能和应用潜力。
文摘目的从健康不平等的视角全面分析慢性病与残疾之间的关系,为有效应对人口老龄化提供依据。方法基于中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,CHARLS)4轮的调查数据,分析不同慢性病群体的残疾流行情况,采用多重累积风险模型对残疾发生风险进行分解,探讨慢性病贡献率反映的不平等现象。结果2011—2018年,调查对象的残疾总体发生率从16.48%上升至18.83%,差异具有统计学意义(χ2=47.44,P<0.001)。女性、农村地区和低社会经济地位个体在各年龄组中均表现出更高的特定疾病的残疾发生率,且具有更高的慢性病贡献度。在低年龄组群体(45~64岁)中,相对贡献率最大的是背景因素(41.31%~58.57%),其次为关节炎(18.85%~31.28%);在高年龄组群体(65岁及以上)中,相对贡献率最大的为关节炎(29.77%~40.80%)。结论残疾流行情况呈现出不平等现象,受教育程度不同的群体和城乡个体之间差异尤为明显。降低背景因素和关节炎发生风险,或将有助于缓解残疾负担和促进健康老龄化。
