|
|
联合检测生物学标志物对肺栓塞的临床意义 |
徐慧*, 李媛媛, 赵登峰 |
(南阳医学高等专科学校第一附属医院,河南 南阳 473058) |
|
Clinical Significance of Combined Detection of Biological Markers in Pulmonary Embolism |
Xu Hui*, Li Yuanyuan, Zhao Dengfeng |
(The First Affiliated Hospital of Nanyang Medical College, Nanyang, Henan Province 473058 China) |
|
摘要 筛选生物学指标在肺栓塞的诊断及病情评估中的最佳组合,并以此为基础建立支持向量机辅助诊断模型。选择肺栓塞患者180例、健康者150例,回顾分析D-二聚体、BNP、PaO2、肌钙蛋白cTnI、肌钙蛋白cTnT、CRP、纤维蛋白原、CK-MB、AST、LDH、CK、血小板分布宽度等12个生物学指标,运用Logistic回归对肺栓塞的生物学指标进行分析,筛选出密切相关的指标,建立支持向量机模型,并与纳入全部变量时所建立的模型进行比较,评价其诊断价值。Logistic回归分析结果显示,D-二聚体、BNP、肌钙蛋白cTnI、纤维蛋白原和血小板分布宽度与肺栓塞密切相关,且单独诊断时诊断价值有限。将联合筛选出的变量建立支持向量机模型,模型的准确度、特异性和敏感性分别为85.0%、90.0%和80.0%,优于纳入全部12项生物学指标所建立的支持向量机模型(准确度、特异性、敏感性分别为70.0%、70.0%和80.0%)。研究表明,纳入D-二聚体、BNP、肌钙蛋白cTnI、纤维蛋白原和血小板分布宽度5项生物学指标所建立的支持向量机模型具有较高的诊断效能,有临床应用潜力。
|
|
关键词 :
肺栓塞,
生物学指标,
Logistic分析,
联合检测,
支持向量机
|
Key words:
pulmonary embolism
biological markers
logistic analysis
combined detection
support vector machine
|
收稿日期: 2018-07-31
|
|
通讯作者:
yexuhuihong@outlook.com
|
[1] Heit JA, Spencer FA, White RH. The epidemiology of venous thromboembolism[J]. J Thromb Thromboly, 2016, 41(1): 3-14. [2] Goldhaber SZ, Visani L, De Rosa M. Acute pulmonary embolism: Clinical outcomes in the International Cooperative Pulmonary Embolism Registry (ICOPER)[J]. Lancet, 1999, 353(9162): 1386-1389. [3] Sato Y, Nishi K, Taniguchi R, et al. In patients with heart failure and non-ischemic heart disease, cardiac troponin T is a reliable predictor of long-term echocardiographic changes and adverse cardiac events[J]. J Cardiol, 2009, 54(2): 221-230. [4] Crawford F, Andras A, Welch K, et al. D-dimer test for excluding the diagnosis of pulmonary embolism[J]. Cochrane Database Syst Rev, 2016, 5(8): CD010864. [5] 赵鸿飞. 肺栓塞患病率及危险因素的临床研究[J]. 中国医药指南, 2016, 14(5): 101-101. [6] 温勇伟, 许顶立, 苏亮, 等. 肺栓塞治疗前后血浆纤维蛋白原、C反应蛋白和D-二聚体的变化[J]. 广东医学, 2009, 30(12): 1866-1868. [7] 王红阳, 王晓波. 肺栓塞患者与急性心肌梗死患者心肌酶浓度检测及其临床意义[J]. 华北煤炭医学院学报, 2015, 7(3): 290-291. [8] 王海滨. 血小板分布宽度在肺栓塞患者中的变化及其临床意义的研究[D]. 石家庄: 河北医科大学, 2015. [9] Jaff MR, McMurtry MS, Archer SL, et al. Management of massive and submassive pulmonary embolism, iliofemoral deep vein thrombosis, and chronic thromboembolic pulmonary hypertension[J]. Circulation, 2011, 123(16): 1788-1830. [10] Puurunen MK, Gona PN, Larson M G, et al. Epidemiology of venous thromboembolism in the Framingham Heart Study[J]. Thromb Res, 2016, 145: 27-33. [11] 汪铮, 陈孝谦, 李秀. 肺栓塞患者危险因素及临床特征分析[J]. 临床肺科杂志, 2013, 18(2): 255-257. [12] 商克勇, 张艳芹, 陈涛. 急性肺栓塞患者56例诊断与治疗的回顾性分析[J]. 山西医药杂志, 2015, 44(7): 817-818. [13] 赵玉文. 脑钠肽和D-二聚体检测对急性肺栓塞早期诊断及预后评估的价值[J]. 临床和实验医学杂志, 2009, 8(7): 27-28. [14] 常慧. 血浆脑钠肽, 肌钙蛋白 Ⅰ 联合 D-二聚体检测对急性肺栓塞患者的临床意义[J]. 中国医学创新, 2016, 13(16): 142-144. [15] Bajaj A, Saleeb M, Rathor P, et al. Prognostic value of troponins in acute pulmonary embolism: A meta-analysis [J].Heart Lung,2015,44(4):327-334. [16] 熊长明, 郑亚国, 何建国, 等. 2014 版欧洲心脏病学会急性肺血栓栓塞症诊断治疗指南解读[J]. 中国循环杂志, 2014, 29(11): 864-866. [17] Wang Ping, Wang Yupeng, Li Hongwei, et al. Relationship between the red blood cell distribution width and risk of acute myocardial infarction[J]. J Atheroscler Thromb, 2015, 22(1): 21-26. [18] 孙异峰, 周娜娜, 连增志, 等. Wells和修正的Geneva评分对急性肺栓塞诊断价值的比较[J]. 中国继续医学教育, 2016,8(24): 130-131. [19] 纳建荣, 周玮. Wells评分对临床诊断肺栓塞的应用价值[J]. 宁夏医学杂志, 2012, 34(4): 330-331. [20] 王华启, 李萍, 陈腾飞, 等. D-二聚体, 纤维蛋白原联合检测在肺栓塞诊断中的应用价值[J]. 医药论坛杂志, 2013 (3): 9-10. |
[1] |
赵爽, 魏国辉, 马志庆, 赵文华. 基于定量影像组学的乳腺肿瘤良恶性诊断[J]. 中国生物医学工程学报, 2019, 38(5): 549-557. |
[2] |
张璐璐, 杨晟, 史涪仁, 潘虹洁, 王志刚, 杨啸林. 本体支持的生物医学领域元数据异质性与可兼容性研究[J]. 中国生物医学工程学报, 2019, 38(3): 324-331. |
[3] |
魏星, 胡德华, 易敏寒, 常雪莲, 杨小迪, 朱文婕. 基于多特征融合的线性内核SVM法挖掘生物实体关联[J]. 中国生物医学工程学报, 2018, 37(4): 451-460. |
[4] |
朱绘霖,许洁,李江雪,彭红军. 抑郁症的客观判别:基于光学脑成像的静息态功能性连接检测和分析[J]. 中国生物医学工程学报, 2018, 37(3): 283-289. |
[5] |
刘 爽, 仝晶晶, 郭冬月, 柯余锋, 孟佳圆, 陈 龙, 许敏鹏, 綦宏志, 明 东. 脑电时间效应对情绪识别模型的影响及解决措施研究[J]. 中国生物医学工程学报, 2017, 36(1): 39-45. |
[6] |
刘爽, 仝晶晶, 杨佳佳, 綦宏志, 明东. 基于脑电同源样本捆绑法的情绪识别研究^[J]. 中国生物医学工程学报, 2016, 35(3): 272-277. |
[7] |
刘志勇1 张宏民2 赵辉群2 朱政1 李竹琴3 孙金玮1*. 基于脑电信号的睡眠分期算法研究[J]. 中国生物医学工程学报, 2015, 34(6): 693-700. |
[8] |
肖志涛1 王雯1 耿磊1*张芳1 吴骏1 赵北方1张欣鹏1 苏龙2 陈莉明3 单春燕3. 基于背景估计和SVM分类器的眼底图像硬性渗出物检测方法[J]. 中国生物医学工程学报, 2015, 34(6): 720-728. |
[9] |
肖志涛1 赵北方1 张芳1* 耿磊1 吴骏1 基于k均值聚类和自适应模板匹配的眼底出血点检测方法[J]. 中国生物医学工程学报, 2015, 34(3): 264-271. |
[10] |
李建福 罗程* 董立 尧德中#. 复杂网络主成分分析的分类方法在音乐家白质可塑性研究中的应用[J]. 中国生物医学工程学报, 2015, 34(2): 184-189. |
[11] |
Song Youyi1Lei Baiying1 He Liang2. 基于超像素和支持向量机的阴道细菌自动检测[J]. 中国生物医学工程学报, 2015, 34(2): 204-211. |
[12] |
谢宏*周笑丽 夏斌 杨文璐 姚. 疲劳驾驶识别中的脑电信号特征选择算法和支持向量机模型研究[J]. 中国生物医学工程学报, 2014, 33(4): 482-486. |
[13] |
王之琼1,2曲璐渲1 隋雨彤1 . 基于极限学习机的跌倒检测分类识别研究[J]. 中国生物医学工程学报, 2014, 33(4): 418-424. |
[14] |
李昕1,2,3*张云鹏1,2 李红红1,2陈泽涛1,2. 针对个体差异的心理压力评估[J]. 中国生物医学工程学报, 2014, 33(1): 45-50. |
[15] |
庞春颖* 王小甜 孙晓琳. 一种基于改进经验模态分解的癫痫脑电识别新方法[J]. 中国生物医学工程学报, 2013, 32(6): 663-669. |
|
|
|
|