血清TK1、CEA、CYFRA21-1联合胸部CT特征在肺结节诊断中的临床价值
发布时间：2021-03-21 19:46
研究背景与目的:胸苷激酶1（TK1,thymidine kinase 1）,是细胞增殖周期中嘧啶补救合成途径的关键酶之一。当细胞恶变时,TK1从增殖恶变的细胞中释放出来,通过检测细胞外液中TK1的浓度可以衡量恶变细胞的破坏程度,其可以作为一种新的细胞增殖特异性的标志物。本研究通过探讨血清胸苷激酶1在良恶性肺结节的表达水平,以及联合传统肿瘤标志物（CEA、NSE、CYFRA21-1）、胸部CT特征对于早期肺癌诊断的价值,为临床上鉴别良恶性肺结节提供重要的参考依据。材料与方法:收集我院胸外科2018年11月1日至2019年10月31日初次就诊的肺结节患者120例,通过手术切除后病理确诊为肺恶性结节70例,良性结节50例,通过免疫印迹化学发光法检测良性、恶性肺结节组患者血清胸苷激酶1表达水平,电化学发光免疫法检测良恶性肺结节两组患者肿瘤标志物CEA、NSE、CYFRA21-1的表达水平,同时收集患者术前胸部平扫及增强CT的影像学特征,比较良恶性肺结节患者血清TK1、CEA、NSE、CYFRA21-1表达差异,以及胸部CT影像学特征的在两组之间的差异（结节位置,大小,密度,形态,毛刺征,分叶征...
【文章来源】：成都医学院四川省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
三种不同密度肺结节的胸部CT：A：磨玻璃样结节，B：部分实性结节，C：实性结节Figure1ChestCTofthreedifferentdensitylungnodules:A:groundglassnodule,B:partialsolid
成都医学院专业硕士研究生论文12图2肺结节的胸部CT特征：D：毛剌征，E：分叶征，F：血管征Figure2ChestCTfeaturesoflungnodules:D:burrsign,E:lobularsign,F:vascularsign图3肺结节的胸部CT特征：G：支气管征，H：空泡征，I：胸膜凹陷征Figure3ChestCTfeaturesoflungnodules:G:bronchialsign,H:airsign,I:pleuraldepressionsign2.6统计学分析用MedCalc14.8.1和SPSS25软件进行统计学分析，计量资料如符合正态分布，以x±SD表示，采用独立样本的t检验；如为非正态分布，以中位数（四分位间距）表示，采用秩和检验。计数资料以频数和率表示，采用χ2检验和Fisher精确检验，P<0.05被认为差异有统计学意义。通过MedCalc14.8.1绘制血清肿瘤标志物的ROC曲线，将上述单因素P<0.05的变量进行多因数Logistic回归分析，建立肺恶性结节的预测模型，使用MedCalc14.8.1对预测值概率进行ROC曲线分析，检验建立肺恶性结节预测模型的检验效能。3实验结果3.1良恶性肺结节临床特征的比较本研究共选取了2018年11月1日至2019年10月31日于我科完善胸部CT检查提示肺结节患者，均通过手术切除组织标本并取得病理结果，最终病理结果显示：恶性结节总共70例，占所有结节的58.3％，其中鳞状细胞癌12例，腺癌
成都医学院专业硕士研究生论文16图4血清标志物的ROC曲线分析预测肺结节的恶性程度Figure4ROCcurveanalysisofserummarkerstopredictthemalignancyoflungnodules表3血清标志物的ROC曲线分析预测肺结节的恶性程度Table3ROCcurveanalysisofserummarkerstopredictthemalignantdegreeofpulmonary肿瘤标志物AUCSensitivitySpecificityYoudenCut-off95%CIP值TK10.78384.29%68%0.52291.520.698-0.853＜0.0001CEA0.75287.14%52%0.39141.260.665-0.826＜0.0001CYFRA21-10.71158.57%76%0.34571.60.621-0.790＜0.0001三者联合0.83381.43%74%0.55430.550.754-0.895＜0.00013.5结合临床特征、影像学特征和血清肿瘤标志物建立恶性肺结节预测模型通过对两组的临床特征、影像学特征和血清肿瘤标志物表达水平进行分析，我们采用独立样本t检验、χ2检验或Fisher检验进行统计学分析，通过选择良性和恶性肺结节之间存在显著差异的因素（P<0.05），如患者血清TK1、CEA和CYFRA21-1水平以及结节大小，结节形态，毛刺征，分叶征，血管征，支气管征、
【参考文献】：
期刊论文
[1]中国肺部结节分类、诊断与治疗指南（2016年版）[J]. 周清华,范亚光,王颖,乔友林,王贵齐,黄云超,王新允,吴宁,张国桢,郑向鹏,步宏. 中国肺癌杂志. 2016(12)
[2]我国恶性肿瘤发病现状及趋势[J]. 吴菲,林国桢,张晋昕. 中国肿瘤. 2012(02)
[3]SCC-Ag和TK1在中晚期宫颈癌中的表达及在治疗中的意义[J]. 程晓伟,杨宇星,俞小元,刘永萍. 中国新药杂志. 2011(14)
[4]肺癌血清肿瘤标志物的临床意义[J]. 赵肖,王孟昭. 中国肺癌杂志. 2011(03)
本文编号：3093445
【文章来源】：成都医学院四川省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
三种不同密度肺结节的胸部CT：A：磨玻璃样结节，B：部分实性结节，C：实性结节Figure1ChestCTofthreedifferentdensitylungnodules:A:groundglassnodule,B:partialsolid
成都医学院专业硕士研究生论文12图2肺结节的胸部CT特征：D：毛剌征，E：分叶征，F：血管征Figure2ChestCTfeaturesoflungnodules:D:burrsign,E:lobularsign,F:vascularsign图3肺结节的胸部CT特征：G：支气管征，H：空泡征，I：胸膜凹陷征Figure3ChestCTfeaturesoflungnodules:G:bronchialsign,H:airsign,I:pleuraldepressionsign2.6统计学分析用MedCalc14.8.1和SPSS25软件进行统计学分析，计量资料如符合正态分布，以x±SD表示，采用独立样本的t检验；如为非正态分布，以中位数（四分位间距）表示，采用秩和检验。计数资料以频数和率表示，采用χ2检验和Fisher精确检验，P<0.05被认为差异有统计学意义。通过MedCalc14.8.1绘制血清肿瘤标志物的ROC曲线，将上述单因素P<0.05的变量进行多因数Logistic回归分析，建立肺恶性结节的预测模型，使用MedCalc14.8.1对预测值概率进行ROC曲线分析，检验建立肺恶性结节预测模型的检验效能。3实验结果3.1良恶性肺结节临床特征的比较本研究共选取了2018年11月1日至2019年10月31日于我科完善胸部CT检查提示肺结节患者，均通过手术切除组织标本并取得病理结果，最终病理结果显示：恶性结节总共70例，占所有结节的58.3％，其中鳞状细胞癌12例，腺癌
成都医学院专业硕士研究生论文16图4血清标志物的ROC曲线分析预测肺结节的恶性程度Figure4ROCcurveanalysisofserummarkerstopredictthemalignancyoflungnodules表3血清标志物的ROC曲线分析预测肺结节的恶性程度Table3ROCcurveanalysisofserummarkerstopredictthemalignantdegreeofpulmonary肿瘤标志物AUCSensitivitySpecificityYoudenCut-off95%CIP值TK10.78384.29%68%0.52291.520.698-0.853＜0.0001CEA0.75287.14%52%0.39141.260.665-0.826＜0.0001CYFRA21-10.71158.57%76%0.34571.60.621-0.790＜0.0001三者联合0.83381.43%74%0.55430.550.754-0.895＜0.00013.5结合临床特征、影像学特征和血清肿瘤标志物建立恶性肺结节预测模型通过对两组的临床特征、影像学特征和血清肿瘤标志物表达水平进行分析，我们采用独立样本t检验、χ2检验或Fisher检验进行统计学分析，通过选择良性和恶性肺结节之间存在显著差异的因素（P<0.05），如患者血清TK1、CEA和CYFRA21-1水平以及结节大小，结节形态，毛刺征，分叶征，血管征，支气管征、
【参考文献】：
期刊论文
[1]中国肺部结节分类、诊断与治疗指南（2016年版）[J]. 周清华,范亚光,王颖,乔友林,王贵齐,黄云超,王新允,吴宁,张国桢,郑向鹏,步宏. 中国肺癌杂志. 2016(12)
[2]我国恶性肿瘤发病现状及趋势[J]. 吴菲,林国桢,张晋昕. 中国肿瘤. 2012(02)
[3]SCC-Ag和TK1在中晚期宫颈癌中的表达及在治疗中的意义[J]. 程晓伟,杨宇星,俞小元,刘永萍. 中国新药杂志. 2011(14)
[4]肺癌血清肿瘤标志物的临床意义[J]. 赵肖,王孟昭. 中国肺癌杂志. 2011(03)
本文编号：3093445
本文链接：https://www.wllwen.com/yixuelunwen/zlx/3093445.html
