换一批摘要目的 探讨临床联合CT定量参数在早期预测中轴型脊柱炎(ax-SpA)中的价值.方法 回顾性分析158例患者的临床和影像资料,根据12～18个月内的复诊结果分为患病组81例(ax-SpA)与对照组77例(非ax-SpA,如类风湿关节炎、致密性骨炎等).收集患者性别、年龄、红细胞沉降率(ESR)、C反应蛋白(CRP)和超声指标[血流信号、阻力指数(RI)、炎症状态]等临床参数.测量患者初诊骶髂关节CT图像中的CT值(最大、最小、平均值和标准差).使用logistic回归(LR)分析2组参数差异,筛选有统计学差异的参数以7∶3的比例随机分为训练集与测试集并构建8种机器学习模型.使用受试者工作特征(ROC)曲线、决策曲线分析(DCA)等评估模型效能与临床实用性.结果 经单因素LR分析,2组间的性别、最小CT值、ESR、活动性炎症差异有统计学意义(P＜0.05).轻量梯度提升机(LGBM)模型表现最优,训练集和测试集曲线下面积(AUC)分别为0.999、0.966.沙普利加性解释(SHAP)分析显示,性别、最小CT值和活动性炎症对模型贡献较高.结论 临床联合CT定量参数能够早期预测ax-SpA的发生,为临床决策提供辅助支持.
更多相关知识
关键词
中轴型脊柱炎机器学习CT定量参数临床特征模型可解释性axial spondyloarthritismachine learningCT quantitative parametersclinical featuresmodel interpretability
栏目名称
DOI
10.3969/j.issn.1002-1671.2025.12.021
发布时间
2025-12-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览5
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
