基于声像图特点及人口学特征建立模型预测乳腺影像报告和数据系统分级

摘要： 目的探讨基于声像图特点及人口学特征的Logistic回归模型预测乳腺影像报告和数据系统(BI-RADS)分级的价值。方法回顾性分析5 324名女性体检者乳腺超声及人口学资料,采用多因素Logistic回归分析分别建立基于乳腺声像图特点的模型1及基于乳腺声像图特点和人口学特征的模型2,以ROC曲线分析2种模型对BI-RADS≥4a级乳腺病变的预测效能。结果超声示5 019名(5 019/5 324,94.27%)BI-RADS分级≤3级,305名(305/5 324,5.73%)存在BI-RADS分级≥4a级乳腺病变。结节数量、形态、回声、血流信号、年龄和体质量指数(BMI)是BI-RADS≥4a级的独立预测因子(P均<0.05)。基于结节数量、形态、回声和血流信号构建回归模型1,其诊断BI-RADS≥4a级的AUC为0.821(P<0.05),特异度90.58%,敏感度61.25%,准确率88.13%。基于结节数量、形态、回声、血流信号、年龄和BMI构建回归模型2,其AUC为0.874(P<0.05),特异度93.69%,敏感度68.75%,准确率91.80%。结论基于声像图特点及人口学特征的模型对BI-RADS分级有一定预测价值。 ... （共5页）