《表2 训练队列患者肺结节预测因素的单因素和多因素logistic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
《在肺癌筛查中使用影像组学诺模图术前诊断恶性肺结节》
此外,本研究还存在一些局限。首先,大多数良性肺结节患者不选择手术或活检,我们无法获得病理证实,因此本文中恶性肿瘤的比例很高。我们选择了对不平衡数据不敏感的logistic模型。其次,依据2017年“肺偶发结节处理指南”[30],一些传统的关键风险因素,如结节大小、形态和多重性,可用影像组学特征描述。但是,由于我们的研究关注于CT与病理之间的相关性,因此在收集数据时,其他传统的关键风险因素(如家族病史、吸烟史和饮酒史)有所缺失。在将来的研究中,我们希望加入这些变量以改进模型。同时,在缺乏传统的肺癌关键变量的情况下,该模型表现良好,并取得了良好的效果,这也证明了影像组学的重要性。最后,本研究为单个中心研究,虽然我们划分出了验证队列以评估模型的稳定性,但来自多中心队列和不同人群的数据将更有说服力,因此,未来需要进行多中心研究验证此模型。
图表编号 | XD00182480100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 刘爱玲、王志恒、杨亚超、王璟涛、代晓宇、王丽洁、路媛、薛付忠 |
绘制单位 | 呼吸与危重症医学科威海市立医院、山东大学生物统计学系公共卫生学院、查体科威海市立医院、山东大学生物统计学系公共卫生学院、山东大学生物统计学系公共卫生学院、山东大学生物统计学系公共卫生学院、山东大学生物统计学系公共卫生学院、山东大学生物统计学系公共卫生学院、健康医疗大数据研究院山东大学 |
更多格式 | 高清、无水印(增值服务) |