原發(fā)性IgA腎病輔助診斷和鑒別診斷模型的研究.pdf

1、背景和目的
　　IgA腎病是我國原發(fā)性腎小球疾病的主要組成部分。在前期的研究中，我們報(bào)道了聯(lián)合6項(xiàng)血清生化指標(biāo)對IgA腎病和非IgA腎病的區(qū)分能力達(dá)到79.71％。此初步結(jié)果提示多參數(shù)數(shù)學(xué)模型在兩種疾病的鑒別診斷與分類中具有重要應(yīng)用前景。本研究的目標(biāo)是用多項(xiàng)生物學(xué)參數(shù)、血清多肽譜、統(tǒng)計(jì)學(xué)分析和VisualBasic程序建立IgA腎病與非IgA腎病的分類模型和應(yīng)用軟件。
　　對象與方法
　　采集從2010年5月至2011

2、年9月我院腎臟病科住院患者的血清，確立病例的入選標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)。調(diào)查研究對象一般信息、生物學(xué)參數(shù)和血清多肽譜。以腎活檢病理結(jié)果作為分組依據(jù)并將數(shù)據(jù)拆分為建模組和驗(yàn)證組，用建模組建立數(shù)學(xué)分類模型，用驗(yàn)證組進(jìn)行驗(yàn)證，最后應(yīng)用VisualBasic程序編寫應(yīng)用軟件。
　　結(jié)果
　　一、生物學(xué)參數(shù)的分類模型：在57項(xiàng)生物學(xué)參數(shù)中，“血清IgA”、“纖維蛋白原”和“臨床表現(xiàn)”對IgA腎病和非IgA腎病的分類具有統(tǒng)計(jì)學(xué)意義。我們用這3項(xiàng)

3、指標(biāo)分別建立了Logistic回歸模型和判別分析模型?；谂袆e分析模型的驗(yàn)證結(jié)果表明，當(dāng)模型的預(yù)測概率>0.59時(shí)，慢性腎臟病患者有85%的可能性為IgA腎??；當(dāng)模型的預(yù)測概率<0.26時(shí)，慢性腎臟病患者有90%的可能性為非IgA腎病。
　　二、血清多肽的分類模型：用基質(zhì)輔助激光解吸/電離飛行時(shí)間質(zhì)譜測定100例IgA腎病患者和100例非IgA腎病患者血清樣本，共獲得89個(gè)多肽，其中24個(gè)多肽具有統(tǒng)計(jì)學(xué)差異。經(jīng)過相關(guān)性分析和文獻(xiàn)調(diào)

4、研，最終入選20個(gè)多肽進(jìn)行多參數(shù)分析。結(jié)果表明質(zhì)荷比（m/z）為4227和6631的多肽在本數(shù)據(jù)集中對分類有意義。
　　三、血清多肽結(jié)合常規(guī)生物學(xué)參數(shù)的分類模型：在272名研究對象中，用SPSS隨機(jī)選擇40%病例作為建模組，其余病例用來驗(yàn)證模型。結(jié)果表明，單獨(dú)的生物學(xué)參數(shù)模型優(yōu)于血清多肽模型，兩者聯(lián)合的模型可使IgA腎病和非IgA腎病分類的準(zhǔn)確度達(dá)72.2%（Logistic回歸模型）或76.6%（判別分析模型）；判別分析模型優(yōu)于

5、Logistic回歸模型。同時(shí)血清質(zhì)荷比為1945、4266和4615的多肽對IgA腎病和非IgA腎病有輔助診斷價(jià)值。
　　四、應(yīng)用軟件的編程：應(yīng)用VisualBasic6.0軟件、8個(gè)參數(shù)和判別分析模型編寫了一個(gè)適用臨床應(yīng)用、可嵌入式、界面友好且便于后臺(tái)維護(hù)的診斷軟件，將前述參數(shù)輸入該軟件，即可自動(dòng)得出待檢患者的輔助診斷結(jié)果。
　　結(jié)論
　　本研究運(yùn)用一定的變量選擇策略，在146個(gè)變量篩選出34個(gè)變量進(jìn)行多參數(shù)分析；