
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于多因素列线图区分CT引导下肺活检无诊断性结果中假阴性与真阴性诊断
《Journal of Cardiothoracic Surgery》:A nomogram for differentiating false-negative from true-negative diagnoses following non-diagnostic CT-guided lung biopsy
【字体: 大 中 小 】 时间:2026年10月10日 来源:Journal of Cardiothoracic Surgery 1.6
编辑推荐:
摘要目的本研究旨在开发和验证一种列线图,该列线图整合了临床数据、影像学发现和活检操作特征,以区分 CT 引导下肺活检后出现无诊断性结果的患者中的假阴性和真阴性诊断。方法这项回顾性研究纳入了 2020 年 1 月至 2022 年 12 月期间接受 CT 引导下肺活检且病理结果无
本研究旨在开发和验证一种列线图,该列线图整合了临床数据、影像学发现和活检操作特征,以区分 CT 引导下肺活检后出现无诊断性结果的患者中的假阴性和真阴性诊断。
这项回顾性研究纳入了 2020 年 1 月至 2022 年 12 月期间接受 CT 引导下肺活检且病理结果无诊断性的患者。采用单因素和多因素 logistic 回归,我们建立了两个假阴性结果的预测模型:仅病理模型和包含临床及影像学数据的混合模型。两个模型均以列线图形式可视化。
我们纳入了 195 例连续患者,随机将 156 例(80%)分配至训练队列,其余 39 例(20%)分配至验证队列。混合模型显示出令人满意的区分性能,在训练集中的曲线下面积(AUC)为 0.93(95% CI: 0.89–0.97),在仅 39 名患者的较小验证队列中为 0.82(95% CI: 0.65–0.99),后者限制了统计效能。尽管混合模型在训练集中显著优于仅病理模型(P?<?0.001),但在验证集中差异未达到统计学显著性(\(\:\text{P}=0.4\))。
这种探索性单中心混合模型列线图为非诊断性 CT 引导下肺活检提供了初步的风险分层,在常规临床应用前必须进行大型多中心外部验证。通过实现个体化风险分层,该工具有可能指导临床决策,并支持这一具有临床挑战性的患者群体的个性化治疗。
本研究旨在开发和验证一种列线图,该列线图整合了临床数据、影像学发现和活检操作特征,以区分 CT 引导下肺活检后出现无诊断性结果的患者中的假阴性和真阴性诊断。
这项回顾性研究纳入了 2020 年 1 月至 2022 年 12 月期间接受 CT 引导下肺活检且病理结果无诊断性的患者。采用单因素和多因素 logistic 回归,我们建立了两个假阴性结果的预测模型:仅病理模型和包含临床及影像学数据的混合模型。两个模型均以列线图形式可视化。
我们纳入了 195 例连续患者,随机将 156 例(80%)分配至训练队列,其余 39 例(20%)分配至验证队列。混合模型显示出令人满意的区分性能,在训练集中的曲线下面积(AUC)为 0.93(95% CI: 0.89–0.97),在仅 39 名患者的较小验证队列中为 0.82(95% CI: 0.65–0.99),后者限制了统计效能。尽管混合模型在训练集中显著优于仅病理模型(P?<?0.001),但在验证集中差异未达到统计学显著性(\(\:\text{P}=0.4\))。
这种探索性单中心混合模型列线图为非诊断性 CT 引导下肺活检提供了初步的风险分层,在常规临床应用前必须进行大型多中心外部验证。通过实现个体化风险分层,该工具有可能指导临床决策,并支持这一具有临床挑战性的患者群体的个性化治疗。