首页 > 文献资料
-
采用基于红细胞形态学参数的Fisher判别法鉴别血尿来源
目的 探讨红细胞形态学参数对血尿来源的鉴别价值.方法 选取2016年7月至2017年3月该院肾病风湿内科和肾病风湿科门诊拟诊为肾脏疾病的患者102例,根据病理"金标准"将疑似患者确诊,并分为肾源性血尿33例(肾病组)和非肾源性血尿69例(非肾病组).所有研究对象均检测尿液红细胞畸形率、尿液红细胞数量、尿液红细胞平均体积(u-MCV)和尿液红细胞体积分布宽度(u-RDW).从中选取有统计学差异的指标,建立相应的Fisher判别模型.结果 肾病组与非肾病组的尿液红细胞畸形率、u-MCV和u-RDW比较,差异有统计学意义(P<0.05).建立了Fisher判别模型,通过回代性检验得到该组模型鉴别诊断的灵敏度为88.3％,特异度为83.8％,准确率为86.4％.结论 联合多个尿液红细胞形态学参数建立Fisher判别模型能提高鉴别肾源性血尿和非肾源性血尿的准确率,具有一定的实用价值.
关键词： Fisher判别模型 血尿 红细胞畸形率 红细胞平均体积 红细胞分布宽度 -
关于早期脑血栓形成风险评估模型的研究
目的 建立评估早期脑血栓形成风险的模型,控制脑血管疾病发病率,做好一级预防.方法 选取2015年7月至2017年4月南方医科大学附属佛山医院神经内科和外科门诊拟诊为早期脑血栓形成的患者进行评估检测并追踪调查,根据后期不适再次就诊的影像学诊断结果将疑似患者(合计277例)进行分组,分为脑血栓组(186例)和非脑血栓组(91例),选取前期评估检测中脑血栓组和非脑血栓组间差异有统计学意义的相关指标,通过绘制受试者工作曲线(ROC)并计算曲线下面积(AUC)分别评价各项指标对脑血栓的诊断价值并采用Fisher判别分析建立脑血栓形成风险的评估模型.结果 年龄、收缩压、血清脂蛋白相关磷脂酶(Lp-PLA2)及血清Hcy水平在脑血栓组与非脑血栓组间差异有统计学意义[(69.2±12.7)岁vs.(57.1±11.9)岁]、[(147.0土23.6)mmHgvs.(132.0±19.3)mm Hg]、[(195.3±54.0)ng/mL vs.(161.5±47.2)ng/mL]、[(16.8±6.2)上mol/L vs.(10.1±3.3)μmol/L],各指标诊断脑血栓形成的ROC曲线下面积(AUC)分别为0.738、0.686、0.660、0.868,Youden指数对应的佳诊断界值分别为65.5年、143.5 mm Hg、175.5 ng/mL、14.5μmol/L.采用Fisher判别分析建立的函数模型为F(脑血栓)=0.368X1 +0.272X2 +0.077X3+0.723X4-46.493,F(非脑血栓)=0.290X1 +0.249X2 +0.066X3 +0.448X4-33.352.通过回代性检验,该判别函数模型鉴别诊断的灵敏度为85.70％,特异度为84.80％,准确度为85.10％.结论 应用ROC曲线分析及Fisher判别分析建立了早期脑血栓形成风险评估模型,为诊断脑血栓形成提供早期、客观的参考依据.
关键词： 颅内血栓形成 Fisher判别模型 ROC曲线 风险评估
