简介:目的探讨临床联合应用5α还原酶抑制剂——爱普列特和α肾上腺素能受体阻滞剂——特拉唑嗪治疗良性前列腺增生(BPH)的有效性和安全性。方法对BPH患者184例,应用特拉唑嗪与爱普列特联合治疗,观察分析患者前列腺体积(PV)、国际前列腺症状评分(IPSS)、残余尿量(RU)、最大尿流率(Qmax)的变化以及药物的安全性和有效性。结果治疗6个月后IPSS减少13.34分,RU减少20.74ml,Qmax增加3.76ml/s,PV缩小6.70cm^3。治疗前后IPSS、PV、RU、Qmax比较差异均有统计学意义(P均〈0.05)。结论联合应用5α-还原酶抑制剂和α-肾上腺素能受体阻滞剂可以有效地缩小前列腺的体积,改善尿道梗阻症状,是一种安全、有效的治疗方法。
简介:摘要目的探讨基于CT影像组学列线图鉴别甲状腺滤泡性肿瘤良生与恶性的价值。方法回顾性收集2016年1月至2018年12月复旦大学附属肿瘤医院经手术病理证实的200例甲状腺滤泡性肿瘤患者的临床资料及CT图像,其中甲状腺滤泡癌(FTC)46例、甲状腺滤泡腺瘤(FTA)154例。采用随机数表法随机分为训练集(n=140)和验证集(n=60)。采用LIFEx软件提取增强CT图像的48个影像组学特征。根据最小绝对收缩和选择算子回归进行特征降维、筛选及模型建立,在此基础上绘制列线图。利用受试者操作特征曲线及曲线下面积(AUC)评估列线图预测甲状腺良性与恶性滤泡性肿瘤的效能,通过校准曲线对列线图进行内部及外部验证,最后应用决策曲线分析评估列线图的临床应用价值。结果经筛选得到4种特征用于建立预测甲状腺良性与恶性滤泡性肿瘤的列线图,分别为灰度区域矩阵(GLZLM)-区域长度不均匀性、GLZLM-低灰度区域因子、传统指数-HU单元Q3值、传统指数-HU单元平均值。列线图在训练集中区分FTC和FTA的AUC为0.863(95%CI 0.746~0.932),准确度为87.9%,灵敏度为67.9%,特异度为91.1%;验证集中AUC为0.792(95%CI 0.658~0.917),准确度为75.0%,灵敏度为66.7%,特异度为90.5%。校正曲线结果显示列线图预测值与病理结果之间具有良好的一致性,决策曲线分析表明列线图在临床上具有良好的应用价值。结论CT影像组学模型对于鉴别甲状腺良性与恶性滤泡性肿瘤具有较好的效能,基于此的列线图可准确、直观地预测甲状腺滤泡性肿瘤患者的恶性概率。
简介:摘要目的建立并验证基于MRI征象和影像组学的列线图鉴别腮腺良性与恶性肿瘤的效能。方法回顾性收集2015年1月至2020年5月青岛大学附属医院86例经手术病理证实的腮腺肿瘤患者为训练集,收集2013年1月至2020年1月香港大学深圳医院35例患者为独立外部验证集。采用logistic回归基于临床及MRI征象建立临床诊断模型。基于术前平扫T1WI和预饱和脂肪抑制T2WI(fs-T2WI)进行影像组学特征提取,建立影像组学诊断模型。基于影像组学评分及临床诊断模型,通过logistic回归建立影像组学+临床联合诊断模型及列线图。采用受试者操作特征(ROC)曲线评价各模型诊断腮腺良性与恶性肿瘤的效能,ROC曲线下面积(AUC)的比较采用DeLong检验。结果Logistic回归结果显示,腮腺深叶受累(OR值为3.285,P=0.040)和周围组织结构侵犯(OR值为15.919,P=0.013)是腮腺恶性肿瘤的独立影响因素,将二者构建临床诊断模型。基于平扫T1WI和fs-T2WI,共提取19个特征构建影像组学诊断模型。联合影像组学评分以及腮腺深叶受累、周围组织结构侵犯2个常规影像学特征建立联合诊断模型及列线图。临床诊断模型、影像组学诊断模型、联合诊断模型在训练集和验证集中诊断腮腺良性与恶性肿瘤的AUC分别为0.758、0.951、0.953和0.752、0.941、0.964。在训练集和验证集中,影像组学诊断模型、联合诊断模型的AUC均高于临床诊断模型(训练集:Z=3.95、4.31,P均<0.001;验证集:Z=2.16、2.67,P=0.031、0.008),影像组学诊断模型、联合诊断模型间AUC差异无统计学意义(训练集:Z=0.39,P=0.697;验证集:Z=1.10,P=0.273)。结论本研究所建立的MRI影像组学模型以及由腮腺深叶受累、周围组织结构侵犯、MRI影像组学特征组成的联合诊断模型,能有效鉴别腮腺良恶性肿瘤,具有较高的预测效能。