《表2 良、恶性GGN影像征象Logistic多因素回归分析》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《应用Logistic回归分析方法研究肺部良、恶性磨玻璃结节的HRCT影像特征》
3.良性GGN Logistic回归分析:本文根据单因素分析结果及样本量大小,共选取了分叶征、毛刺征、界面征(模糊、清楚光整、清楚毛糙)、囊状透亮影及密度等5种影像征象进行回归分析,最后一步共筛选出3个自变量,其中分叶征、清楚但毛糙的边界及毛刺征是恶性GGN的危险因素(表2),回归方程:Logistic(P)=-2.494+1.987×分叶征+(2.664×边界清楚但毛糙+0.759×边界清楚光整)+1.444×毛刺征;上述Logistic回归方程经Hosmer and Lemeshow Test进行拟合度检验,χ2=1.704,γ=7,P=0.974,表明方程的拟合有统计学意义,并可以正确分类85.40%的研究对象,即该模型的敏感度P代表诊断恶性的概率,若P≥0.5预报为恶性,P<0.5预报为良性,则预报的准确度高达85.40%,且其特异性为81.80%、敏感度为88.50%,阳性和阴性预测值分别为85.19%、85.71%。
图表编号 | XD00127381300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 祁闻、赵红、王龙胜、郑穗生、杨进、张小艳 |
绘制单位 | 安徽医科大学第二附属医院放射科、安徽医科大学第二附属医院放射科、安徽医科大学第二附属医院放射科、安徽医科大学第二附属医院放射科、安徽医科大学第二附属医院呼吸内科、安徽医科大学第二附属医院放射科 |
更多格式 | 高清、无水印(增值服务) |