目的通过分析已明确病理性质的孤立性肺结节临床、影像及化验等因素,明确恶性孤立性肺结节的主要影响因素,建立孤立性肺结节良恶性数学预测模型;同时对未明确结节病理性质的患者追踪随访,观察结节变化情况。方法1研究对象:选取自2015年9月至2017年9月于华北理工大学附属医院住院治疗并行肺部放射性影像学检查符合孤立性肺结节诊断患者为研究对象。2研究方法:以符合孤立性肺结节诊断患者为研究对象,通过手术等方法明确病理性质者,根据病理结果分为良性组、恶性组,未明确结节病理性质而采取随访观察结节变化者为随访组;通过对明确病理性质的患者性别、年龄、肿瘤家族史、吸烟史、首发临床表现、肿瘤标志物、结节部位、结节最大直径、结节密度、分叶征、毛刺征、空泡征、空洞征、胸膜凹陷征、血管集束征、支气管截断征及卫星灶因素进行单因素分析。计量资料,釆用t检验;计数资料,釆用卡方检验。再采取多因素logistic回归分析,筛选出恶性SPN的独立影响因素,并利用筛选出的独立影响因素构建良恶性预测模型,选取合适的截点,计算敏感性、特异性。采用SPSS17.0统计学软件对数据进行统计分析处理,P<0.05为差异有统计学意义。对于未通过手术等有创检查明确病理性质而采取随访策略观察结节的随访组,追踪随访结节变化情况。结果1符合孤立性肺结节诊断的患者有104例,其中94例获得组织病理学结果明确了病理性质,68例为恶性,26例为良性,10例选择随访观察结节变化,其中4例因随访依从性差被剔除,4例随访过程结节未见明显变化,2例在随访过程中结节直径增大,手术切除,术后病理结果1例为小细胞肺癌,1例为肺鳞癌。294例患者,单因素分析结果显示,患者年龄(t=1.355,P<0.05)、吸烟史(χ~2=10.241,P<0.05)、肿瘤标志物(χ~2=15.039,P<0.05)、毛刺征(χ~2=15.103,P<0.05)、胸膜凹陷征(χ~2=18.053,P<0.05)、血管集束征(χ~2=5.970,P<0.05)在良恶性结节辨别中差异有统计学意义,而患者性别(X~2=0.147,P>0.05)、肿瘤家族史(χ~2=0.751,P>0.05)、首发临床表现(χ~2=1.396,P>0.05)、结节部位(χ~2=0.695,P>0.05)、结节最大直径(t=1.378,P>0.05)、结节密度(χ~2=3.494,P>0.05)、分叶征(χ~2=0.147,P>0.05)、空泡征(χ~2=0.320,P>0.05)、空洞征(χ~2=0.628,P>0.05)、支气管截断征(χ~2=0.000,P>0.05)、卫星灶(χ~2=2.357,P>0.05)因素关联差异无统计学意义。3多因素Logistic回归分析显示,患者年龄(OR=1.079,P=0.045)、肿瘤标志物(OR=6.075,P=0.026)、胸膜凹陷征(OR=10.424,P=0.045)、血管集束征(OR=14.157,P=0.028)是判断SPN良恶性的独立影响因素。4.根据Logistic回归分析得出的SPN良恶性的独立影响因素,构建SPN良恶性判断数学预测模型,预测模型为P=e~x/(1+e~x),其中x=-13.656+(0.076×年龄)+(1.804×肿瘤标志物)+(2.344×胸膜凹陷征)+(2.650×血管集束征),e为自然对数,年龄单位为年,肿瘤标志物1代表高于正常、0代表正常,胸膜凹陷征及血管集束征均以1代表有、以0代表无。5.对该数学预测模型进行ROC曲线分析,得出模型在孤立性肺结节鉴别诊断中具有统计学意义(P<0.05),ROC曲线下面积为0.914>0.9,因此本预测模型诊断准确性较高。结论1患者年龄、吸烟史、肿瘤标志物、毛刺征、胸膜凹陷征、血管集束征与孤立性肺结节良恶性有关,其中年龄、肿瘤标志物、胸膜凹陷征、血管集束征是判断SPN良恶性的独立影响因素。2本数学预测模型在良恶性孤立性肺结节鉴别诊断中具有统计学意义且诊断准确性较高。3采取随访策略观察结节变化的患者,随访过程可出现结节增大并且恶变可能。