关键词:
尘肺
风险评估
预测
双能能谱计算机断层扫描
二氧化硅
预测模型
摘要:
目的探索双能能谱计算机断层扫描(computed tomography,CT)相关定量指标及相关临床资料建立预测尘肺病的预测模型。方法于2024年4月,回顾性分析2022年1月至2023年12月在新疆维吾尔自治区第三人民医院(自治区职业病医院)经职业病鉴定专家组确诊的203名尘肺患者信息,另选择207名有粉尘接触史的非尘肺病患者作为对照组。回顾性分析患者的双能能谱CT影像学资料及临床指标,两组间计量资料的比较用t检验或Wilcoxon独立秩和检验,计数资料用χ2或Fisher's检验。通过单因素分析筛选诊断尘肺病的潜在因子,用多因素logistic回归确定独立危险因素。基于回归分析结果,构建机器学习模型,并绘制受试者工作特征曲线(ROC)评估模型效能,计算曲线下面积(AUC)值、敏感性及特异性。结果吸烟、肺组织质量、全肺二氧化硅(silicon dioxide,SiO_(2))等效总质量、全肺SiO_(2)等效浓度是患尘肺病的危险因素(P<0.05)。多因素logistic回归分析结果显示,吸烟、肺组织质量、全肺SiO_(2)等效总体积、全肺SiO_(2)等效总质量是尘肺病诊断的独立预测因素(OR=0.53、0.99、1.13、0.85,P<0.05)。利用逻辑回归机器学习建立预测模型,训练集AUC为0.74,验证集AUC为0.72,提示该模型准确度较好,具有一定的诊断尘肺病的能力。结论双能能谱CT的定量分析指标及临床相关指标建立的机器学习预测模型对尘肺病诊断具有较好的诊断性能。