系统性红斑狼疮自身抗体谱数据的解读与疾病模型预测

作者：彭玲; 杨渝伟; 王开正

来源：检验医学与临床, 2018, 15(05): 635-638.

DOI：10.3969/j.issn.1672-9455.2018.05.019

• 系统性红斑狼疮
• 自身抗体谱
• 数据挖掘
• 预测模型

目的通过数据挖掘建立系统性红斑狼疮(SLE)的最佳预测模型,以及自身抗体谱检测报告标准化解读数据库,以提高诊断效率。方法收集绵阳市中心医院2015年1月至2016年9月首次送检自身抗体谱检测且诊断明确的受试者8 904例,其中SLE患者668例,其他自身免疫性疾病(AID)1 279例,非AID 6 957例。通过受试者工作特征曲线(ROC)分析,从年龄、性别及16种自身抗体中筛选出对SLE具有预测价值的指标后,分别采用决策树、Logistic回归和人工神经网络(ANN)建立SLE预测模型,并选择最优模型,建立其不同预测结果下的验后概率、误诊率等性能指标的扩展数据库。结果经ROC分析,年龄、性别以及抗核抗体(ANA)、抗干燥综合征A抗体(SSA)、抗核糖核蛋白抗体(nRNP/Sm)、抗干燥综合征Ro-52抗体(Ro-52)、抗组蛋白抗体(Histone)、抗核小体抗体(Nuclesome)、抗核糖体抗P蛋白抗体(Rib·P)、抗双链DNA抗体(dsDNA)、抗Sm抗体(Sm)、抗干燥综合征B抗体(SSB)和抗线粒体M2抗体(AMA-M2)均存在一定的诊断价值(P<0.01)。3种预测模型中,Logistic模型优于其他两种模型以及任何单项自身抗体检测,差异有统计学意义(P<0.05)。结论自身抗体谱联合性别、年龄因素建立Logistic模型,并根据相应地区的患病率建立预测性能指标数据库,可有效提高疾病的诊断效率。

• 单位
  西南医科大学; 绵阳市中心医院