Analysis in risk factors of solitary pulmonary nodules
-
摘要:目的 分析孤立性肺结节(SPN)的危险因素。方法 选取在扬州大学附属医院胸外科行手术治疗且已确定病理类型的127例SPN患者为研究对象，剔除纯磨玻璃结节(pGGO)患者后共纳入80例患者。回顾性分析纳入患者的性别、年龄、吸烟史、既往恶性肿瘤史、血清癌胚抗原(CEA)、血清可溶性细胞角蛋白19片段(CYFRA21-1)以及结节直径、位置、毛刺征、分叶征、胸膜凹陷征、血管集束征、钙化征象、空泡征等临床资料。以病理检查结果为金标准，将80例患者分为良性组及恶性组。采用单因素分析探讨SPN的影响因素，采用Logistic多因素分析确定SPN的独立危险因素。结果 单因素分析结果表明, 2组患者年龄、既往恶性肿瘤史、CEA水平、CYFRA21-1水平、结节直径、毛刺和分叶征比较，差异有统计学意义(P < 0.05)。Logistic多因素分析结果表明，既往恶性肿瘤史、血清CEA水平、CYFRA21-1水平以及有分叶征为恶性SPN的独立危险因素。SPN良恶性预测模型的灵敏度为70.90%, 特异度为92.00%。结论 既往恶性肿瘤病史、血清CEA、CYFRA21-1、分叶征为恶性SPN的独立危险因素，该预测模型具有一定临床参考价值。Abstract:Objective To analyze the risk factors of solitary pulmonary nodules(SPN).Methods A total of 127 patients with SPN who had determined the pathologic types and underwent thoracic surgeries in Yangzhou University Affiliated Hospital were collected as study objects, and a total of 80 patients were included after exclusion of those with pure ground-grass opacity(pGGO). The clinical data such as gender, age, smoking history, past cancer history, carcinoembryonic antigen(CEA), cytokeratin 19 fragment(CYFRA21-1), nodule diameter, location, burr sign, lobulation, pleural indentation sign, vascular convergence sign, calcification and vacuole sign were retrospectively analyzed. Taking pathological examination results as gold standard, these patients were divided into benign group and malignant group. Univariate analysis was used to explore the influencing factors of SPN, and Logistic multivariate analysis was used to determine its independent risk factors.Results There were significant differences in age, past cancer history, CEA and CYFRA21-1 levels, nodule diameter, burr sign, lobulation between the two groups univariate analysis (P < 0.05). Logistic regression analysis showed that past cancer history, CEA as well as CYFRA21-1 levels, and lobulation were independent risk factors for malignat SPN. The sensitivity and specificity of predictive model for benign or malignant SPN were 70.90% and 92.00%, respectively.Conclusion Past cancer history, CEA as well as CYFRA21-1 levels and lobulation are independent risk factors for malignat SPN and the prediction model has a certain clinical value.
-
Keywords:
- solitary pulmonary nodules /
- risk factor /
- prediction model
-
肺结节(PN)是指肺内单发性或多发性、直径≤3 cm、边界清晰或不清晰的病灶, 影像学表现为密度增高的阴影。单个PN称为孤立性肺结节(SPN), 发生SPN的病理机制尚不明确, 肺部原发性恶性肿瘤、结核瘤、转移瘤、炎性假瘤、错构瘤、结节病等多种疾病均可引起SPN[1]。肺癌是最常见的肺部原发性恶性肿瘤之一, 据统计男性肺癌病死率位居首位, 女性肺癌病死率位居第2位[2]。研究[3]表明, 尽早治疗肺恶性结节不仅可以缓解患者焦虑情绪, 还可以提高5年生存率。本研究收集在扬州大学附属医院胸外科行手术治疗且已确定病理类型的127例SPN患者的临床资料, 探讨恶性结节的独立危险因素, 现报告如下。
1. 资料与方法
1.1 一般资料
本研究收集2019年4月—2020年4月在扬州大学附属医院胸外科手术治疗且已确定病理类型的127例SPN患者的临床资料, 剔除纯磨玻璃结节(pGGO)患者后共纳入80例患者, 其中男35例, 女45例, 年龄34~79岁, 平均(60.44±9.84)岁。以病理检查结果为金标准, 将80例患者分为良性组及恶性组。恶性组55例, 其中腺癌50例, 鳞癌4例以及小细胞癌1例; 良性组25例患者全部为良性结节, 包括炎性结节15例、肺结核球5例、纤维瘤3例、错构瘤1例, 机化性肺炎1例。入选标准: ①患者临床资料齐全; ②经影像学检查确诊为SPN者; ③患者无精神障碍, 知晓并同意参与本研究。排除标准: ①临床特征及影像学资料不完整者; ②影像学资料提示为多发性PN; ③术前对SPN已行治疗措施的患者; ④精神障碍疾病或不愿意参与本研究者。
1.2 方法
所有患者术前均采用西门子公司生产的128层螺旋CT扫描系统进行检查。患者仰卧位, 抬起两侧上臂, 医师自肺尖至肺底行横断位扫描。扫描层间厚度2 mm。由2~3名经验丰富的影像学医师各自阅片, 观察并分析SPN患者的结节直径、密度、位置、是否存在毛刺、分叶情况以及胸膜凹陷征、血管集束征、钙化征象、空泡征等影像学资料。若有医师诊断结果与其他医师存在差异, 则由科室内部进行讨论后得出最终诊断结果。
1.3 统计学方法
采用SPSS 19.0分析数据, 计量资料采用均数±标准差表示, 正态分布数据采用t检验, 非正态分布数据采用秩和检验。计数资料采用[n(%)]表示, 行卡方检验及Fisher精确检验, 采用多因素Logistic回归分析确定危险因素。P < 0.05表示差异有统计学意义。建立预测模型, 绘制受试者工作特征(ROC)曲线, 并对该模型进行Hosmer-Lemeshow拟合优度检测。
2. 结果
2.1 临床和影像学特征分析结果
2组患者性别、吸烟史、结节位置、胸膜凹陷征、血管集束征、钙化、空泡征比较, 差异无统计学意义(P > 0.05), 但年龄、既往恶性肿瘤史、血清癌胚抗原(CEA)、血清可溶性细胞角蛋白19片段(CYFRA21-1)、结节直径、毛刺征、分叶征比较, 差异有统计学意义(P < 0.05)。见表 1。
表 1 良恶性SPN患者临床特征比较(x±s)[n(%)]临床资料 良性组(n=25) 恶性组(n=55) 年龄/岁 56.92±11.27* 62.04±8.65 性别 男性 13(52.00) 22(40.00) 女性 12(48.00) 33(60.00) 吸烟史 有 5(20.00) 14(25.45) 无 20(80.00) 41(74.55) 恶性肿瘤史 有 1(4.00)* 16(29.09) 无 24(96.00) 39(70.91) CEA/(ng/mL) 1.58±1.26* 2.88±2.38 CYFRA21-1/(ng/mL) 1.48±0.62* 2.08±1.08 结节直径/mm 11.24±5.95* 14.99±7.26 结节位置 上叶 12(48.00) 32(58.18) 非上叶 13(52.00) 23(41.82) 分叶 有 1(4.00)* 21(38.18) 无 24(96.00) 34(61.82) 毛刺 有 2(8.00)* 16(29.09) 无 23(92.00) 39(70.91) 胸膜凹陷征 有 4(16.00) 11(20.00) 无 21(84.00) 44(80.00) 血管征 有 8(32.00) 29(52.73) 无 17(68.00) 26(47.27) 钙化征 有 5(20.00) 14(25.45) 无 20(80.00) 41(74.55) 空泡征 有 3(12.00) 9(16.36) 无 22(88.00) 46(83.64) CEA: 癌胚抗原; CYFRA21-1: 血清可溶性细胞角蛋白19片段。
与恶性组比较, *P < 0.05。2.2 多因素分析结果
将临床资料中差异有统计学意义的变量设为自变量, 以良恶性病理类型为因变量, 采用Logistic回归分析进行多因素分析的结果表明, 既往肿瘤史、血清CEA水平、血清CYFRA21-1水平、分叶征为恶性结节的独立危险因素, 见表 2。
表 2 多因素Logistic回归分析结果因素 β OR 95%CI P 恶性肿瘤史 2.003 7.414 0.800~68.698 0.028 CEA 0.635 1.887 1.027~3.468 0.041 CYFRA21-1 0.924 2.519 1.136~5.587 0.023 分叶征 2.346 10.449 1.188~91.862 0.034 常量 -2.767 0.063 - 0.006 CEA: 癌胚抗原; CYFRA21-1: 血清可溶性细胞角蛋白19片段。 2.3 恶性结节的预测模型
恶性SPN的预测模型为P=ex/(1+ex), x=-2.767+(0.635×CEA)+(0.924×CYFRA21-1)+(2.003×恶性肿瘤史)+(2.346×分叶征), 其中e为自然对数, P为预测概率, 患者有肿瘤病史则肿瘤史为1, 无则为0; PN有分叶征为1, 无分叶征为0。
建立SPN良恶性预测模型, 将本研究结果代入公式, 并以病理检查结果为参照绘制ROC曲线, 所得曲线下面积(AUC)为0.879±0.044, 95%CI为0.792~0.965。当最佳截断点为0.723时, 灵敏度为70.90%, 特异度为92.00%。将结果进行Hosmer-Lemeshow拟合优度检测, 所得χ2值为7.571, P=0.476, 提示预测值与病理检查结果之间拟合度较好, 该预测模型有一定的临床预测价值。
3. 讨论
目前, 血清肿瘤标志物可以作为判断良恶性PN的理想方法之一, 有一定灵敏度和特异度。血清CEA作为细胞膜的结构蛋白, 是一种具有人胚胎抗原特性的酸性糖蛋白, 可作为诊断结肠癌和直肠癌的特异性肿瘤标志物。因为CEA水平在肺癌患者血清中也有所升高, 所以临床也将其广泛应用在肺癌鉴别诊断、病情监测及疗效评估中[4]。研究[5]认为, 肺腺癌患者CEA水平高于肺小细胞癌以及鳞状细胞癌, Logistic分析结果表明, 血清CEA水平是恶性SPN的独立危险因素之一。CYFRA21-1为角蛋白19的一个可溶性片段, 位于人类上皮细胞中, 在肺癌诊断中起重要作用。研究[6]表明, CYFRA21-1水平在肺癌患者中显著增高, 是恶性结节的独立危险因素之一, 同本研究结论相符。2019年, 中华医学会肺癌的临床诊疗指南中提及, CEA联合CYFRA21-1水平能够提高肺腺癌诊断的灵敏度及特异度[7]。
磨玻璃密度的PN与肺腺癌有一定相关性[8]。肺腺癌以女性患者多见, 与吸烟关系较小[9]。研究[10]表明, 磨玻璃结节(GGO)可认为是一种惰性肺腺癌, 随着实性成分增加, 恶性概率也会随之增高。胸部CT检查鉴别GGO的良恶性的准确率为90%以上[11], 高于本研究的初始模型, 因此为进一步研究, 本研究剔除了pGGO患者。肺部影像中的分叶征是指结节周围轮廓不平整, 呈现出分叶状的征象。本研究结果表明, 有分叶征是恶性结节的独立危险因素之一。曹芹等[12]研究认为, 分叶征为恶性结节的独立危险因素之一, 与本研究结论一致。兰斌等[13]研究认为, 分叶征是恶性SPN的危险因素, 但在Logistic分析中差异无统计学意义。
目前, 国内外研究者均建立了PN预测模型, 且将其应用于PN良恶性评估中。SHE Y L等[14]研究表明, 既往恶性肿瘤史的OR值高达12.82。美国胸外科协会(ACCP)推荐使用梅奥模型[15], 在该预测模型中, 年龄、结节直径、吸烟史、既往恶性肿瘤史及结节位置均纳入了PN独立危险因素中, 与本研究结果不完全相同, 可能与本研究样本数量不足、临床及影像学特征有局限性有关。本研究调查对象多为不吸烟的中老年女性患者, 恶性结节发现较早, 均在直径较小时被切除, 且中国人群特点与西方存在较大差异, 因此研究结果具有一定差异性。另外, 夏春秋[16]将CEA水平、CYFRA21-1水平、分叶征及磨玻璃密度均纳入了独立危险因素分析中, 建立的诊断模型具有较高效能。周辰[17]建立的良恶性肺结节的预测模型中也将分叶征纳入了多因素分析, AUC值为(0.879±0.044), 经验证其诊断效力理想。王欣等[18]将磨玻璃密度纳入独立危险因素分析中, 建立了数学模型, 与梅奥模型的临床诊断效果相当。
综上所述, 本研究所建立的恶性SPN的预测模型具有一定的临床参考价值, 但也存在着一定的缺陷, 如样本量的不足、临床及影像学资料相对单一等, 在日后的工作中, 仍然需要扩大样本量, 并完善好患者的临床病历资料, 为临床研究创造出更大的价值。
-
表 1 良恶性SPN患者临床特征比较(x±s)[n(%)]
临床资料 良性组(n=25) 恶性组(n=55) 年龄/岁 56.92±11.27* 62.04±8.65 性别 男性 13(52.00) 22(40.00) 女性 12(48.00) 33(60.00) 吸烟史 有 5(20.00) 14(25.45) 无 20(80.00) 41(74.55) 恶性肿瘤史 有 1(4.00)* 16(29.09) 无 24(96.00) 39(70.91) CEA/(ng/mL) 1.58±1.26* 2.88±2.38 CYFRA21-1/(ng/mL) 1.48±0.62* 2.08±1.08 结节直径/mm 11.24±5.95* 14.99±7.26 结节位置 上叶 12(48.00) 32(58.18) 非上叶 13(52.00) 23(41.82) 分叶 有 1(4.00)* 21(38.18) 无 24(96.00) 34(61.82) 毛刺 有 2(8.00)* 16(29.09) 无 23(92.00) 39(70.91) 胸膜凹陷征 有 4(16.00) 11(20.00) 无 21(84.00) 44(80.00) 血管征 有 8(32.00) 29(52.73) 无 17(68.00) 26(47.27) 钙化征 有 5(20.00) 14(25.45) 无 20(80.00) 41(74.55) 空泡征 有 3(12.00) 9(16.36) 无 22(88.00) 46(83.64) CEA: 癌胚抗原; CYFRA21-1: 血清可溶性细胞角蛋白19片段。
与恶性组比较, *P < 0.05。
下载: 导出CSV
表 2 多因素Logistic回归分析结果
因素 β OR 95%CI P 恶性肿瘤史 2.003 7.414 0.800~68.698 0.028 CEA 0.635 1.887 1.027~3.468 0.041 CYFRA21-1 0.924 2.519 1.136~5.587 0.023 分叶征 2.346 10.449 1.188~91.862 0.034 常量 -2.767 0.063 - 0.006 CEA: 癌胚抗原; CYFRA21-1: 血清可溶性细胞角蛋白19片段。
下载: 导出CSV
-
[1] DIVISI D, BARONE M, BERTOLACCINI L, et al. Standardized uptake value and radiological density attenuation as predictive and prognostic factors in patients with solitary pulmonary nodules: our experience on 1 592 patients[J]. J Thorac Dis, 2017, 9(8): 2551-2559. doi: 10.21037/jtd.2017.06.124
[2] CHEN W, ZHENG R, BAADE P D, et al. Cancer statistics in China, 2015[J]. CA Cancer J Clin, 2016, 66(2): 115-32. doi: 10.3322/caac.21338
[3] RUILONG Z, DAOHAI X, LI G, et al. Diagnostic value of 18F-FDG-PET/CT for the evaluation of solitarypulmonary nodules: a systematic review and meta-analysis[J]. Nuel Med Commun, 2017, 38(1): 67-75. doi: 10.1097/MNM.0000000000000605
[4] 中华医学会呼吸病学分会肺癌学组, 中国肺癌防治联盟专家组. 肺结节诊治中国专家共识[J]. 中华结核和呼吸杂志, 2018, 41(10): 763-771. doi: 10.3760/cma.j.issn.1001-0939.2018.10.004 [5] 朱晓红. 血清肿瘤标志物在肺癌诊断和病理组织分型中的价值研究[J]. 中国社区医师, 2020, 4(82): 135-136. https://www.cnki.com.cn/Article/CJFDTOTAL-XCYS202004082.htm [6] 李笑莹, 刘芳, 车海杰, 等. 肿瘤标志物预测孤立性肺结节恶性概率模型的建立与初步评价[J]. 山东大学学报, 2017, 4(55): 60-64. https://www.cnki.com.cn/Article/CJFDTOTAL-SDYB201704012.htm [7] 中华医学会. 中华医学会肺癌临床诊疗指南(2019版)[J]. 中华肿瘤杂志, 2020, 42(4): 257-287. doi: 10.3760/cma.j.cn112152-20200120-00049 [8] KODAMA K, HIGASHIYAMA M, YOKOUCHI H, et al. Natural history of pure ground-glass opacity after long-term follow-up of more than 2 years[J]. Ann Thorac Surg, 2002, 73(2): 386-392. doi: 10.1016/S0003-4975(01)03410-5
[9] 葛均波, 徐永健, 王辰. 内科学[M]. 9版. 北京: 人民卫生出版社, 2018: 76-77. [10] ZHANG Y, FU F Q, CHEN H Q. Management of ground-glass opacities in the lung cancer spectrum[J]. Ann Thorac Surg, 2020, 110(6): 1796-1804. doi: 10.1016/j.athoracsur.2020.04.094
[11] 薛永梅. CT诊断肺部磨玻璃结节的影像表现及应用分析[J]. 航空航天医学杂志, 2020, 31(9): 1075-1076. doi: 10.3969/j.issn.2095-1434.2020.09.026 [12] 曹芹, 李雪冰, 张丽. 孤立性肺结节危险因素及良恶性预测模型[J]中华肺部疾病杂志, 2019, 12(4): 463-468. [13] 兰斌, 宋剑非. 高分辨率CT结合肿瘤标记物对孤立性肺结节良恶性判断的临床研究[J]. 世界最新医学信息文摘, 2018, 18(24): 21-24, 27. [14] SHE Y, ZHAO L, DAI C, et al. Development and validation of a nomogram to estimate the pretest probability of cancer in Chinese patients with solid solitary pulmonary nodules: a multi-institutional study[J]. J Surg Oncol, 2017, 116(6): 756-762. doi: 10.1002/jso.24704
[15] MACMAHON H, NAIDICH D P, GOO J M, et al. Guidelines for management of incidental pulmonary nodules detected on CT images: from the fleischner society 2017[J]. Radiology, 2017, 284(1): 228-243. doi: 10.1148/radiol.2017161659
[16] 夏春秋. 肺结节恶性概率预测模型的构建[D]. 天津: 天津医科大学, 2019: 4-16. [17] 周辰. 孤立性肺结节良恶性判断数学预测模型的建立与验证[D]. 大连: 大连医科大学, 2018: 6-15. [18] 王欣, 徐跃华, 杜紫燕, 等. 孤立性肺结节的CT影像学特征及良恶性预测模型的建立[J]. 中华肿瘤杂志, 2018, 40(2): 115-120. doi: 10.3760/cma.j.issn.0253-3766.2018.02.007 -
期刊类型引用(7)
1. 何文娟，李晓红. 某地区健康体检人群肺结节检出情况及其与生活、饮食习惯的关系. 现代预防医学. 2024(10): 1845-1851 . 
百度学术
2. 张蜜，谈炎欢，钱芯，吴志超，耿悦，邵宇，俞阳，李俊晨. 基于高分辨率CT扫描的孤立性肺结节高危预测模型的建立与验证. 中国医学物理学杂志. 2023(02): 190-195 . 百度学术
3. 胡泊. AFP、CYFRA21-1、ProGRP水平联合检测在恶性孤立性肺结节诊断中的价值. 中国民康医学. 2023(21): 107-109 . 百度学术
4. 王琳琳，庞立健，王娜娜，王铭钧，侯鑫，张宁，姜鑫，吴桐. 肺结节中医诊疗思路与方法. 中华中医药杂志. 2022(03): 1258-1262 . 百度学术
5. 李梦乾，张晓梅，胡家蕊，车丽坤，李瑞，于小林. 孤立性肺结节良恶性预测模型的系统评价. 肿瘤预防与治疗. 2022(04): 318-328 . 百度学术
6. 熊英，陆霓虹. 肺结节危险因素和良恶性预测模型研究进展. 中国医药科学. 2022(23): 35-38+42 . 百度学术
7. 徐君逸，朱宏历. 阳明汤加减法治疗肺结节的作用机制及效果探讨. 山西医药杂志. 2022(21): 2470-2472 . 百度学术
其他类型引用(8)
计量
- 文章访问数: 365
- HTML全文浏览量: 214
- PDF下载量: 27
- 被引次数: 15
苏公网安备 32100302010246号