原发性干燥综合征合并血液系统受累的危险因素分析
目的 分析原发性干燥综合征(pSS)合并血液系统损害患者的临床特征,并建立预测模型.方法 收集183例pSS患者的临床表现、实验室检查结果,对合并(n=109)或不合并(n=74)血液系统损害的pSS患者进行对比分析,采用Logistic回归方法分析pSS患者合并血液系统损害的相关因素.建立pSS合并血液系统损害的多因素逻辑回归(MLR)预测模型和人工神经网络(ANN)预测模型,绘制受试者工作特征曲线并比较2种模型的基本参数和曲线下面积(AUC),以评估模型预测效能.结果 Logistic回归分析显示,肝脏受累(OR=0.191,P＜0.05,95％CI:0.070～0.524)、皮肤受累(OR=0.292,P＜0.05,95％CI:0.121～0.704)、低白蛋白血症(OR=0.840,P＜0.05,95％CI:0.743～0.948)、低钾血症(OR=0.351,P＜0.05,95％CI:0.145～0.846)、高免疫球蛋白 M(IgM)(OR=1.732,P＜0.05,95％CI:1.085～2.765)、高红细胞沉降率(ESR)(OR=1.028,P＜0.05,95％CI:1.005～1.051)和抗 SSA 抗体阳性(OR=0.21,P＜0.05,95％CI:0.052～0.828)是pSS患者合并血液系统损害的危险因素.在预测血小板和白细胞下降方面,MLR和ANN模型的预测效能比较,差异无统计学意义(P＞0.05).ANN模型对血红蛋白下降方面的预测效能优于MLR模型,差异有统计学意义(P＜0.05).结论 pSS患者发生血液系统损害的风险较高.肝脏功能异常、皮肤受累、低白蛋白血症、低钾血症、高IgM、高ESR和抗SSA抗体阳性是pSS患者血液系统受累的危险因素.ANN和MLR模型是基于本研究的原始数据开发的2个有效预测工具,可考虑应用于临床.
原发性干燥综合征、血液系统损害、危险因素、多因素Logistic回归模型、人工神经网络模型、受试者工作特征曲线
27
R593.2;R558.2(全身性疾病)
江苏省苏州市科技发展计划;江苏省苏州市科技发展计划;姑苏卫生青年拔尖人才项目
2023-04-18（万方平台首次上网日期，不代表论文的发表时间）
共7页
91-96,102
