[發(fā)明專利]整合血液和富含血小板血漿中的血小板特征建立肺癌模型

在審

• 申請(qǐng)?zhí)枺?/td>: 202010595203.5
• 申請(qǐng)日: 2020-06-24
• 公開（公告）號(hào): CN111933287A
• 公開（公告）日: 2020-11-13
• 發(fā)明（設(shè)計(jì)）人: 羅懷超;朱桂全;王東生;祖瑞玲;楊桂姝;曹邦榮;羅麗萍;余思思
• 申請(qǐng)（專利權(quán)）人: 四川省腫瘤醫(yī)院
• 主分類號(hào): G16H50/50
• 分類號(hào): G16H50/50;G16H50/20
• 代理公司: 成都環(huán)泰專利代理事務(wù)所(特殊普通合伙) 51242
• 代理人: 李斌;李輝

1.一種整合血液和富含血小板血漿中血小板特征建立的肺癌模型，其特征在于，包括以下步驟：

S01、采集所有參與者的全血樣本，并對(duì)其進(jìn)行隨機(jī)分組，其中組別包括訓(xùn)練組和測(cè)試組；

S02、血細(xì)胞分析儀測(cè)定血小板計(jì)數(shù)、平均血小板體積、血小板分布寬度和血小板壓積；

S02、離心獲取剩余血液中的富血小板血漿；

S03、測(cè)量富血小板血漿中的血小板計(jì)數(shù)、平均血小板體積、血小板分布寬度和血小板壓積；

S04、通過(guò)秩和檢驗(yàn)對(duì)來(lái)訓(xùn)練組的數(shù)據(jù)進(jìn)行變量篩選；

S05、通過(guò)訓(xùn)練組中具有差異的變量，以及文獻(xiàn)報(bào)道的變量，建立回歸開發(fā)診斷模型；

S06、分析訓(xùn)練組和測(cè)試組中的特征(ROC)曲線；

S07、通過(guò)Nagelkerke的R²統(tǒng)計(jì)數(shù)據(jù)和量化區(qū)分度來(lái)評(píng)估回歸開發(fā)診斷模型的性能；

S08、評(píng)估訓(xùn)練組的敏感性、特異性和相應(yīng)的95％置信區(qū)間，計(jì)算組內(nèi)所有受試者患癌概率；

S10、在測(cè)試組中重復(fù)步驟S06-S08的到測(cè)試組的評(píng)估模型泛化性能。

2.根據(jù)權(quán)利要求1所述的整合血液和富含血小板血漿中的血小板特征建立肺癌模型，其特征在于，步驟S02中均通過(guò)Mindray Coulter計(jì)數(shù)器6600測(cè)定血小板計(jì)數(shù)、平均血小板容量、血小板分布寬度和血小板壓積。

3.根據(jù)權(quán)利要求2所述的整合血液和富含血小板血漿中的血小板特征建立肺癌模型，其特征在于，步驟S03中均通過(guò)Mindray Coulter計(jì)數(shù)器6600測(cè)定富血小板血漿中的血小板計(jì)數(shù)、平均血小板容量、血小板分布寬度和血小板壓積。

4.根據(jù)權(quán)利要求3所述的整合血液和富含血小板血漿中的血小板特征建立肺癌模型，其特征在于，步驟S05中的回歸開發(fā)診斷模型為邏輯回歸模型，其公式為：logit(P)＝-16.30380+血小板計(jì)數(shù)的系數(shù)×血小板計(jì)數(shù)+平均血小板容量的系數(shù)×平均血小板容量-富血小板血漿中的血小板計(jì)數(shù)的系數(shù)×富血小板血漿中的血小板計(jì)數(shù)-富血小板血漿中的平均血小板容量的系數(shù)×富血小板血漿中的平均血小板容量+血小板恢復(fù)率的系數(shù)×血小板恢復(fù)率；所有系數(shù)均通過(guò)邏輯回歸得到。

5.根據(jù)權(quán)利要求1所述的整合血液和富含血小板血漿中的血小板特征建立肺癌模型，其特征在于，步驟S08中的Nagelkerke的R²用于量化回歸開發(fā)診斷模型的預(yù)測(cè)強(qiáng)度。