摘要 : 目的通过Logistic回归分析乳腺非肿块型病变(NMLs)的超声特征,建立NMLs的恶性风险列线图预测模型,提高超声医师对NMLs的诊断能力。方法回顾性分析西京医院488人共493例NMLs的超声图像特征,以7:3的比例分为训练集和内部验证集,独立的外部验证集72例来自... 展开 目的通过Logistic回归分析乳腺非肿块型病变(NMLs)的超声特征,建立NMLs的恶性风险列线图预测模型,提高超声医师对NMLs的诊断能力。方法回顾性分析西京医院488人共493例NMLs的超声图像特征,以7:3的比例分为训练集和内部验证集,独立的外部验证集72例来自浙江省台州医院。筛出NMLs的恶性危险因素,构建列线图预测模型,采用ROC曲线和校准曲线评价该模型。结果多因素分析显示钙化、结构扭曲、年龄、病变大小是NMLs的恶性独立危险因素(P<0.05)。列线图预测模型的训练集、内部验证集、外部验证集AUC分别为0.91、0.89、0.94,敏感度分别为86%、86%、95%,特异度分别为80%、77%、87%。模型的校准曲线表现出良好的一致性,平均绝对误差分别为0.014、0.034和0.058。结论基于上述独立危险因素构建的恶性风险列线图预测模型具有可靠的临床参考价值,可以协助超声医师提高对NMLs诊断能力。 收起