目的基于多参数MRI形态学特征构建老年患者脑膜瘤分级及PR表达的预测模型。方法回顾性分析123例病理确诊的老年脑膜瘤患者基本资料与术前MRI数据,使用多因素Logistic回归分析构建良性和非良性脑膜瘤、PR阳性和PR阴性脑膜瘤预测模型。通...目的基于多参数MRI形态学特征构建老年患者脑膜瘤分级及PR表达的预测模型。方法回顾性分析123例病理确诊的老年脑膜瘤患者基本资料与术前MRI数据,使用多因素Logistic回归分析构建良性和非良性脑膜瘤、PR阳性和PR阴性脑膜瘤预测模型。通过绘制受试者工作特征(receiver operating characteristic curve,ROC)曲线,计算曲线下面积(area under the curve,AUC)来评估模型的判别性能。结果联合年龄和强化方式构建脑膜瘤的分级模型,AUC为0.808;基于脑膜尾征构建脑膜瘤的PR表达状态模型,AUC为0.623。结论MRI形态学特征可作为老年患者脑膜瘤分级和PR表达预测的重要参考依据,有望为脑膜瘤的个性化治疗提供新思路和方法。展开更多
文摘目的基于多参数MRI形态学特征构建老年患者脑膜瘤分级及PR表达的预测模型。方法回顾性分析123例病理确诊的老年脑膜瘤患者基本资料与术前MRI数据,使用多因素Logistic回归分析构建良性和非良性脑膜瘤、PR阳性和PR阴性脑膜瘤预测模型。通过绘制受试者工作特征(receiver operating characteristic curve,ROC)曲线,计算曲线下面积(area under the curve,AUC)来评估模型的判别性能。结果联合年龄和强化方式构建脑膜瘤的分级模型,AUC为0.808;基于脑膜尾征构建脑膜瘤的PR表达状态模型,AUC为0.623。结论MRI形态学特征可作为老年患者脑膜瘤分级和PR表达预测的重要参考依据,有望为脑膜瘤的个性化治疗提供新思路和方法。
