换一批基于术前MRI的列线图模型预测脑膜瘤病理分级
Preoperative nomogram model based on MRI predicting the pathological grade in patient with meningioma
摘要目的 分析术前脑膜瘤 MRI征象及表观扩散系数(ADC)值,并基于 MR相关参数构建预测脑膜瘤 WHO 病理分级的列线图模型.方法 纳入脑膜瘤患者 210 例,其中低级别组(WHO 1 级)158 例,高级别组(WHO 2～3 级)52 例,并分析其术前临床和MRI资料.使用单因素和多因素回归分析方法进行脑膜瘤 MRI特征参数对比分析,并筛选出脑膜瘤 WHO 病理分级的潜在预测因素和独立预测因素,进而建立 WHO 病理分级列线图预测模型.采用受试者工作特征(ROC)曲线、曲线下面积(AUC)、校准曲线以及决策曲线分析(DCA)评估模型性能、稳健性和临床获益.结果 单因素回归分析发现,肿瘤形态、大小、瘤周水肿、脑膜尾征、强化均匀度、邻近组织侵犯以及ADC值为影响脑膜瘤WHO 病理分级的潜在因素(P<0.05);多因素回归分析显示,肿瘤形态、强化均匀度、邻近组织侵犯及 ADC值是脑膜瘤 WHO 病理分级的独立影响因素(P<0.05),然后纳入这 4 个 MRI特征参数构建列线图模型.列线图模型有较高性能,AUC高达 0.905[95%置信区间(CI)0.889～0.941].校准曲线显示列线图模型有较高的稳健性,其预期估量值和实际观察值的吻合度较高.DCA提示模型在脑膜瘤 WHO 病理分级应用中的临床获益性较佳.结论 基于术前 MRI建立的列线图模型具有较高的预测性能,可为脑膜瘤治疗策略的制订提供参考依据.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1002-1671.2023.10.002
发布时间
2023-10-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
四川省医学会科研基金专项科研课题项目（2021HR28）
四川省自然科学基金（2022NSFSC0507）
- 浏览109
- 被引6
- 下载58
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
