Page 126 - 南京医科大学自然版
P. 126

第45卷第8期
               ·1182 ·                           南 京    医 科 大 学 学         报                        2025年8月


                                         表2 基于训练集的单因素和多因素Logistic回归分析
                              Table 2 Univariate and multivariate logistic regression analysis of the training set
                                                  Univariate analysis                Multivariate analysis
                        Variable
                                              OR(95%CI)            P             OR(95%CI)            P
                   Age                      1.05(1.02-1.08)      <0.001        1.05(1.00-1.11)       0.036
                   Menopausal status
                     Pre⁃menopause               Ref
                     Post⁃menopause         2.89(1.65-5.10)      <0.001        1.66(0.56-5.02)       0.366
                   Maximal diameter         1.13(0.95-1.34)       0.169
                   Echo pattern
                     Hypoechoic                  Ref
                     Non⁃hypoechoic         0.58(0.08-2.57)       0.506
                   Shape
                     Regular                     Ref
                     Irregular              1.47(0.72-3.16)       0.307
                   Margin
                     Circumscribed               Ref
                     Non⁃ circumscribed     3.80(1.87-8.41)      <0.001        4.28(1.67-12.33)      0.004
                   Posterior features
                     No posterior features       Ref
                     Enhancement            0.31(0.02-1.86)       0.281
                     Shadowing              1.85(0.81-4.26)       0.142
                     Combined pattern       1.85(0.07-47.35)      0.665
                   Calcification
                     No                          Ref
                     Yes                    1.24(0.60-2.54)       0.553
                   Blood flow grades
                     Absent                      Ref
                     Vessels in rim         0.86(0.38-1.97)       0.720
                     Internal vascularity   1.64(0.82-3.41)       0.172
                   Elasticity assessment
                     Grade 0 or 1                Ref
                     Grade 2 or 3           1.13(0.82-1.54)       0.454
                   Elasticity assessment
                     Soft                        Ref
                     Intermediate           3.16(1.08-11.57)      0.052        3.01(0.88-12.45)      0.097
                     Hard                   7.32(2.61-26.22)      0.001        6.44(1.90-26.72)      0.005
                   US⁃BI⁃RADS
                     BI⁃RADS 4A                  Ref
                     BI⁃RADS 4B             8.21(4.49-15.41)     <0.001        5.77(2.76-12.50)     <0.001

              发了多种方式来构建诊断模型对BI⁃RADS 4类肿块                        在临床中推广使用。本研究另进行了危险分层,对
              进行再分类,包括影像组学和人工智能                 [15-18] ,以减少    于高危组,恶性率高达 82.1%,建议立即活检或手
              假阳性病例。而本研究聚焦于超声中非平行位生                             术,而对于低危组,由于恶性率仅8.8%,建议密切影
              长的小肿块,根据查阅文献所知,这是目前唯一对                            像学随访。
              这一类结节展开的研究。本研究所构建的预测模                                  本研究亦存在一些不足之处。首先,这是一个
              型诊断效能较高,AUC可达0.846。诊断模型仅包含                        回顾性研究,并且只纳入了病理确诊的患者,但大
              4个变量,即年龄、弹性、边缘和BI⁃RADS 分类,易于                      多数 BI⁃RADS 4A 类患者在实际临床中选择了随访
   121   122   123   124   125   126   127   128   129   130   131