基于Logistic回归模型的低增生性骨髓增生异常综合征和再生障碍性贫血的鉴别诊断研究

目的 建立低增生性骨髓增生异常综合征(hypo-MDS)与再生障碍性贫血(AA)鉴别诊断的Logistic回归模型并探讨其应用价值.方法 回顾性收集2010—2016年中国医学科学院血液病医院住院的111例hypo-MDS患者和181例AA患者的临床及实验室检查资料,将样本数据按8:2随机分为模型建立组和模型验证组,建立Logistic回归模型,以受试者工作特征(ROC)曲线下面积、灵敏度、特异度等指标评价模型鉴别诊断效果.结果 hypo-MDS组患者外周血白细胞计数、血小板计数、网织红细胞比例,骨髓细胞中CD3-CD56+自然杀伤细胞(NK)和CD3+CD57+T大颗粒淋巴细胞(T-LGL)所占比例,髓片中性杆状核粒细胞、中性分叶核粒细胞所占比例以及外周血髓系原始细胞、幼稚粒细胞、成熟单核细胞和幼稚红细胞所占比例高于AA组;红细胞计数、骨髓细胞中CD19+B细胞所占比例、髓片淋巴细胞所占比例、外周血成熟淋巴细胞所占比例低于AA组(P<0.05).非条件Logistic回归分析结果显示,红细胞计数和成熟淋巴细胞所占比例越高患AA的风险越高,中性分叶核粒细胞、髓系原始细胞和CD3+CD57+T-LGL所占比例越高患hypo-MDS的风险越高(P<0.05).Logistic回归模型为:Logit(P)=1.293-0.584X1-0.060X2+0.055X3+0.561X4+0.059X5.模型建立组ROC曲线下面积为0.852,灵敏度为84.6％、特异度为78.9％;模型验证组ROC曲线下面积为0.899,灵敏度为90.0％、特异度为84.6％.结论 应用Logistic回归分析建立的hypo-MDS和AA鉴别诊断模型,预测准确率高,有助于医生对两种疾病的鉴别诊断.