肝硬化门脉高压症无创预测模型的初步探讨

发布时间：2018-11-10 21:34

【摘要】：研究背景及目的门脉高压症是肝硬化自然病史的重要标志,其进展与肝硬化相关并发症及预后密切相关。肝静脉压力梯度(hepatic venous pressure gradient, HVPG)是目前评估门脉高压的金标准,对评价患者病情严重程度、评估预后、指导并监测药物治疗等至关重要。由于HVPG测定的有创性及技术要求,近年来,HVPG的无创预测备受关注。本课题通过统计分析HVPG与肝硬化患者基本临床生化指标、内镜下静脉曲张程度、影像学参数等因素的相关性,选取相关性较强的临床参数建立有效的无创HVPG预测模型,指导肝硬化门脉高压症的临床治疗。研究方法本课题回顾性分析肝硬化门脉高压症患者共245例,根据纳入标准和剔除标准,共201例肝硬化门脉高压症患者入选本研究。详细记录患者基本资料,入院后均行血常规、血生化、胃镜、B超和(或)腹部强化CT及门脉成像等常规检查。履行知情同意后,所有患者均行HVPG测定。统计肝硬化门脉高压症患者的年龄、性别、病因(病毒性、酒精性或其他)、既往史(出血史、脾脏切除术或部分脾动脉栓塞术(partial splenic embolization, PSE)等手术史)、临床生化资料(血红蛋白(haemoglobin, Hb)、血小板(blood platelet, PLT))、肝功储备(谷丙转氨酶(alanine aminotransferase, ALT)、谷草转氨酶(aspartate aminotransferase, AST)、CTP (Child-Turcotte-Pugh)评分)、并发症(肝癌、门脉血栓或癌栓、腹水、肝性脑病)、内镜下曲张静脉情况(食管胃底静脉曲张、红色征等)等指标。应用SAS 9.2和SPSS 19.0软件统计描述并分析以上指标与HVPG的相关性,采用多元线性回归分析、单因素及多因素logistic回归分析、t检验、分类变量卡方检验和二元logistics回归分析和多类结果变量的logistic回归分析等统计方法,检验标准α=0.05(双尾),p0.05差异具有统计学意义。结合统计分析结果及临床意义,选取相关性较强的临床参数建立并评价HVPG预测模型。结果1.多元线性回归分析结果1.1单因素分析HVPG与病因、脾切除或脾栓塞史、门脉血栓、腹水、AST、血小板计数PLT\CTP评分密切相关(p值分别为0.009,0.040,0.011,0.001,0.001,0.009,0.001),而与患者年龄、性别、出血史、是否合并肝癌、肝性脑病、ALT、Hb、食管胃底静脉曲张程度无显著性相关(p值分别为0.299,0.268,0.985,0.237,0.495,0.063,0.168,0.774)。1.2多因素分析采用多因素logistic逐步回归法研究多因素间的交互作用及混杂影响,并建立HVPG预测模型。结果表明,HVPG与门脉血栓,AST, CTP评分显著性相关(p值分别为0.007,0.006,0.001)。建立HVPG预测模型方程如下：HVPG值=-2.163×门脉血栓+0.030×AST+0.889×CTP评分+7.377[门脉血栓：有-1,无一0]；该模型R2=0.2029,表明门脉血栓、AST及CTP评分可解释HVPG值变异的20.29%,拟合程度较差,提示该方程预测HVPG评分的能力较差,准确性不高。2.多元Logistic回归模型的建立：鉴于以上分析,结合HVPG的临床意义及应用,将HVPG以12mmHg、 16mmHg为界限划为三分类变量,即HVPG 1级(HVPG≤12mmHg)、HVPG 2级(12mmHgHVPG 16mmHg)和HVPG 3级(HVPG≥16mmHg)。应用SAS统计软件,进行HVPG分级与以上临床参数的单因素方差分析。其中,AST及CTP评分预测能力较强(p值分别为0.001,0.0001),应用多类结果变量的logistic回归建立HVPG分级预测模型：logitPj=-aj+0.013×AST+0.283×CTP评分α1=-3.34,α2=-1.7；进行预测概率与观测响应的关联分析,一致部分所占百分比为70.4,c值为0.706,说明该模型预测准确性较高。但该模型统计分析复杂,临床应用意义较小。3.临床应用模型的建立：3.1对食管胃静脉曲张出血风险的评估将HVPG以12mmHg为界分为HVPG≤12mmHg组和HVPG12mmHg组,通过研究HVPG与常见临床参数的相关性,建立预测模型。(1)单因素分析：结果表明,CTP评分、AST、PLT、Hb、病因及脾切除或PSE手术史对预测食管胃静脉曲张出血风险均有显著的统计学意义(p值分别为0.001,0.002,0.014,0.049,0.001,0.002)。(2)多因素logistic回归分析并建立预测模型：p值=—0.733+0.246×CTP评分+0.016×AST—0.001×PLT-0.014×Hb+1.012×病因-1.004×脾切除或PSE(病因：病毒性=1,非病毒性=0；脾切除或PSE.有=1,无=0)(3)利用ROC曲线解释并评估该模型的预测能力。其中,ROC曲线下面积(area under ROC,AUC)为0.773,p0.001,cut-off值为0.6219,灵敏度、特异度分别为73.02、71.83；提示该预测模型的准确性较高。3.2肝硬化患者预后的评估：以16mmHg为标准,分为HVPG16mmHg和HVPG≥16mmHg两组,研究HVPG与常见临床参数的相关性并建立预测模型。(1)单因素分析：结果表明,CTP评分、AST.PLT.病因对评估肝硬化患者预后均有显著的统计学意义(p值分别为0.001,0.001,0.005,0.043,0.037)。(2)多因素logistic回归分析并建立预测模型：p值=-2.727+0.231×CTP评分+0.014×AST-0.004×PLT+0.416×病因(病因：病毒性=1,非病毒性=0)(3)利用ROC曲线解释并评估该模型的预测能力。其中,ROC曲线下面积AUC为0.744 (p0.001), cut-off值为0.3367,灵敏度、特异度分别为80.52、61.67；提示该预测模型的准确性较高。结论1.在肝硬化门脉高压症患者中,HVPG值与病因、脾切除或脾栓塞史、门脉血栓、腹水、AST、血小板计数PLT、CTP评分显著相关,其中,门脉血栓、AST和CTP评分是门脉高压症的独立预测因素。2.结合临床意义,建立如下两个预测模型：(1)评估食管胃静脉出血风险：p值=-0.733+0.246×CTP评分+0.016×AST-0.001×PLT-0.014×Hb+1.012×病因-1.004×脾切除或PSE(病因：病毒性=1, 非病毒性=0；脾切除或PSE： 有=1,无=0)(2)评估肝硬化患者临床预后：p值=-2.727+0.231×CTP评分+0.014×AST-0.004×PLT+0.416×病因(病因：病毒性=1,非病毒性=0)
[Abstract]:......
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R575.2

【相似文献】

相关期刊论文 前10条

1 许乾雄,肖创普;用灰色预测模型对病毒性肝炎发病率作预测[J];中国公共卫生;1993年02期

2 Schneck M.E. ,Bearse Jr. M.A. ,杨建刚;糖尿病视网膜病变进展的定位预测模型的形成和评估[J];世界核心医学期刊文摘.眼科学分册;2005年04期

3 Spears J.;TerBrugge K.G.;Moosavian M.;M.Tymianski;郭俊;;脑动静脉畸形手术治疗后患者神经功能预后的判别预测模型[J];世界核心医学期刊文摘(神经病学分册);2006年12期

4 王平根,吴海涛,高志平;医院药品预测模型[J];中国药学杂志;1999年03期

5 李娟;方慧生;;一种新的基于平均相似性方法的蛋白质天然构象预测模型质量评测方法[J];药物生物技术;2010年04期

6 李清江;;基于结核病预测模型的比较研究[J];硅谷;2012年14期

7 朱卉;韩昌斌;李晓武;阮积栋;李国华;;武汉市市区车祸死亡人数灰色预测模型及其近期效果评价[J];中国卫生统计;1991年01期

8 伍丽萍;王述蓉;陈玉;陈聪;吴佳琦;叶利明;;生物分配胶束液相色谱中β-内酰胺类抗生素定量保留-活性关系预测模型的研究[J];中国药学杂志;2008年07期

9 孔超;刘元凤;沈续雷;;灰色预测模型的SAS程序改进[J];中国卫生统计;2008年06期

10 王万学;;预测麻风流行趋势的简快方法——给预测模型编程序[J];皮肤病与性病;1992年02期

相关会议论文 前10条

1 鄢小彬;肖新平;;基于灰色马尔可夫模型的煤矿安全预测[A];第九届中国青年信息与管理学者大会论文集[C];2007年

2 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

4 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 李阳旭;邓辉文;;一种新的企业市场预测模型及其比较研究[A];2004年中国管理科学学术会议论文集[C];2004年

6 马志元;;城市区域经济、人口、能源、环境综合系统预测模型及应用[A];中国城市建设与环境保护实践——城市建设与环境保护学术研讨会论文集[C];1997年

7 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角气象科技论坛论文集[C];2004年

8 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年

9 张晓f^;;全球煤炭产量的灰色预测模型[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

10 肖会敏;樊为刚;;基于神经网络的粮食产量预测模型[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

相关重要报纸文章 前10条

1 刘庆;“预测模型”要缓行[N];网络世界;2006年

2 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年

3 南方日报记者 彭琳　实习生 周鹏程;预测世界杯之外 大数据还能做什么[N];南方日报;2014年

4 本报记者 张超;预测模型：推算SARS起落潮[N];科技日报;2003年

5 本报记者 段佳;机器“品肉师”替您“尝鲜”[N];大众科技报;2010年

6 BMC首席IT技术官 Mahendra Durai　IDC顾问 Eric Hatcher Randy Perry;预测智能：管理复杂基础架构的锁钥[N];中国计算机报;2010年

7 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年

8 杨宜勇（作者为国家发改委经济研究所副所长）;发挥信息化对就业的“增补效应”[N];第一财经日报;2005年

9 本报记者 汤浔芳　实习记者 董文萍;“孵化器”模式：大数据的垂直运营样本[N];21世纪经济报道;2014年

10 本报记者 安丰;深部找矿的探镜[N];中国国土资源报;2006年

相关博士学位论文 前10条

1 师懿;城市交通规划环评中空气污染预测模型研究[D];中国地质大学;2015年

2 张丽;牦牛肉用品质特性及近红外预测模型和产量等级系统的研究[D];中国农业科学院;2015年

3 吴利丰;分数阶灰色预测模型及其应用研究[D];南京航空航天大学;2015年

4 王菲;肉牛饲料有效能值预测模型的建立与评价[D];中国农业大学;2016年

5 文江平;农村地区成人2型糖尿病发生风险相关生物标志物的筛选及预测模型的建立[D];中国人民解放军医学院;2016年

6 白云鹏;华法林稳态剂量预测模型在瓣膜置换术后抗凝治疗中的应用[D];天津医科大学;2016年

7 周闯;原发性肝癌术后转移复发分子预测模型的优化整合与临床转化[D];复旦大学;2012年

8 孙忠林;煤矿安全生产预测模型的研究[D];山东科技大学;2009年

9 王冬光;控制技术在投资预测模型建立中的应用研究[D];哈尔滨工程大学;2005年

10 张丽峰;中国能源供求预测模型及发展对策研究[D];首都经济贸易大学;2006年

相关硕士学位论文 前10条

1 刘冰;基于神经网络的纤维热磨过程能耗预测模型的研究[D];东北林业大学;2015年

2 张念;铁路轨道几何不平顺趋势预测的关键算法研究[D];西南交通大学;2015年

3 田振伟;城市能源预测模型的研究与应用[D];昆明理工大学;2015年

4 吴迪;基于模糊决策树算法的安全库存量预测模型[D];中国地质大学(北京);2015年

5 齐雯;采用灰色预测模型改进的HHT算法在故障诊断中的应用[D];华南理工大学;2015年

6 王萍;膀胱癌遗传分数的计算及发病风险预测模型的构建[D];复旦大学;2013年

7 李霄;基于提升小波和最小二乘支持向量机的风电功率预测[D];上海交通大学;2015年

8 杨雪梅;基于TM影像的沱江中游土壤重金属预测研究[D];四川农业大学;2015年

9 朱帅军;高铁动车组故障预测与健康管理关键技术的研究[D];北京交通大学;2016年

10 田玉珂;基于TM数据的川东北低山区土壤肥力因子空间分布反演研究[D];四川农业大学;2014年

，

本文编号：2323663