基于LASSO回归的多发性骨髓瘤诊断模型的建立

作者：万**; 赵婕; 陈炜烨; 吴晓宾; 王云秀; 柯培锋; 黄**

来源：国际检验医学杂志, 2022, 43(24): 2987-2990+2995.

DOI：10.3969/j.issn.1673-4130.2022.24.010

• 多发性骨髓瘤
• 检验指标
• LASSO回归
• 诊断模型

目的 利用常见的实验室指标构建多发性骨髓瘤（MM）的诊断模型，以提高现有检验指标的诊断效能。方法 回顾性分析2015年1月至2022年1月在广东省中医院确诊的MM患者96例（病例组）,随机选取85例健康体检者作为对照组。常见相关实验室指标17个：血清免疫球蛋白M（IgM）、血清免疫球蛋白G（IgG）、血清免疫球蛋白A（IgA）、血清β2-微球蛋白（β2-MG）、校正血清钙、血清清蛋白（ALB）、血清球蛋白（GLB）、清蛋白与球蛋白比值（A/G）、血清碱性磷酸酶（ALP）、血清肌酐（Cr）、白细胞计数（WBC）、中性粒细胞计数（NEUT）、淋巴细胞计数（LYMT）、中性粒细胞计数与淋巴细胞计数比值（NLR）、红细胞计数（RBC）、血红蛋白（Hb）、血小板计数（PLT）。对病例组和对照组两组的17个检验指标数据进行统计分析，通过LASSO回归算法筛选出系数不为0的检验指标，再进行Logistic回归分析以及受试者工作特征（ROC）曲线分析。结果 通过LASSO回归，筛选出系数不为0的指标4个，分别为IgM、NLR、Hb和ALB。再对这4个指标进行二元多因素Logistic分析，结果显示回归模型为Y=18.008-4.329IgM+1.374NLR-0.067Hb-0.240ALB。该回归模型曲线下面积为0.987,灵敏度为96.9%,特异度为95.3%。结论 该诊断模型对MM的诊断具有重要价值。

• 单位
  广东省中医院; 深圳市宝安区中心血站