基于数据挖掘模型分析CA125、NLR、PLR、hs-CRP联合检测对社区获得性肺炎伴胸腔积液的临床意义

曾瑞璜， 王小林， 曾 叶， 陈智熙， 袁 宁， 秦昌宏

（叙永县中医医院检验科，四川 叙永 646400）

社区获得性肺炎（community-acquired pneumonia，CAP）是发病率较高的疾病。由肺炎累及患者，尤其是年老体弱、低钠血症、低蛋白血症者胸膜易产生胸腔积液[1]，CAP伴胸腔积液死亡率比单纯CAP高，因此胸腔积液的早期诊断对患者进行早期治疗具有重要意义。有研究结果显示，糖类抗原125（carbohydrate antigen 125，CA125）、中性粒细胞/淋巴细胞比值（neutrophil/lymphocyte ratio，NLR）、血小板/淋巴细胞比值（platelet/lymphocyte ratio，PLR）、高敏C反应蛋白（high-sensitivity C-reactive protein，hs-CRP）与CAP均存在相关性[2-3]，但其在肺炎与肺炎伴胸腔积液之间的关系报道较少。本研究旨在探讨CA125、NLR、PLR、hs-CRP与CAP伴胸腔积液的相关性，并建模分析其联合检测的应用价值。

1 材料和方法

1.1 一般资料

选取2018年1月—2019年8月于叙永县中医医院就诊的284例CAP患者，所有患者均符合CAP诊断标准[4]。排除标准：（1）严重肝、肾、心功能不全；（2）脑血管疾病；（3）自身免疫性疾病；（4）其他系统性感染。按肺部影像学特征将患者分为肺炎不伴胸腔积液组（180例），其中男100例、女80例，年龄（68.4±10.1）岁；肺炎伴胸腔积液组（104例），其中男55例、女49例，年龄（70.1±12.8）岁。根据《医学影像诊断学》中的诊断标准[5]将胸腔积液分为：少量，液体上缘在第4肋前端以下；中量，积液上缘在第4肋前端平面以上，第2肋前端平面以下；大量，积液上缘达第2肋前端以上。其中肺炎伴胸腔积液患者少量积液74例，中量积液16例，大量积液14例。

1.2 方法

采用BC-6900全自动血液分析仪（深圳迈瑞公司）检测中性粒细胞、淋巴细胞、血小板，计算NLR、PLR；采用BC-5390全自动血液分析仪（深圳迈瑞公司）检测hs-CRP水平；采用e601自动电化学发光分析仪（瑞士罗氏公司）检测CA125水平。试剂盒及校准品分别购自深圳迈瑞公司和瑞士罗氏公司。

1.3 数据模型

将数据进行处理后录入统计软件，设置分类变量和连续变量，通过多层感知器（multilayer perceptron，MLP）神经网络、卡方自动交互检测（chi-square automatic interaction detection，CHAID）决策树和Logistic回归建立模型。MLP神经网络分区，培训样本和检验样本采用7∶3进行分组，隐藏层最小单位为1，最大单位为50，隐藏层激活函数为双曲正切，输出层激活函数为softmax；CHAID决策树采用交叉验证，水平最大数为3，父节点为100，子节点为50，分裂准则为χ2显著性；通过Logistic回归模型建立联合检测模型。3个模型分别通过受试者工作特征（receiver operating characteristic，ROC）曲线分析诊断效能。

1.4 统计学方法

采用SPSS 19.0软件进行统计分析。计数资料以例或率表示，比例采用χ2检验。正态分布数据采用±s表示，组间比较采用t检验；非正态分布数据采用中位数（M）[四分位数（P25，P75）]表示，2个组间比较采用Mann-WhitneyU检验，多组间比较采用Kruskal Wallis检验。采用Spearman进行相关性分析。以P＜0.05为差异有统计学意义。

2 结果

2.1 284例CAP患者分析

284例CAP患者中，肺炎性胸腔积液患者104例，发生率为36.6%。肺炎不伴胸腔积液组和肺炎伴胸腔积液组CA125、NLR、PLR比较、hs-CRP，差异有统计学意义（P=0.00），见表1。CAP伴胸腔积液者，少量占71.2%，中量占15.4%，大量占13.4%。3个积液量之间指标差异有统计学意义（P=0.00），见表2。CA125、NLR、PLR、hs-CRP水平分别与积液量呈正相关（r=0.487，P＜0.00；r=0.587，P＜0.00；r=0.741，P＜0.00；r=0.591，P＜0.00）。

表1 肺炎不伴胸腔积液组和肺炎伴胸腔积液组各项指标比较

表2 不同积液量各项指标比较

图1 MLP神经网络模型

图2 标准化重要性分布图

2.2 建模结果分析

MLP神经网络纳入CA125、NLR、PLR、hs-CRP作为4个神经元，含有1个隐藏层。分类结果1为肺炎不伴胸腔积液组，2为肺炎伴胸腔积液组，模型见图1。通过标准化自变量重要性可得出CA125＞PLR＞NLR＞hs-CRP，见图2。CHAID决策树模型显示，根节点肺炎不伴胸腔积液组患者180例，占63.4%；肺炎伴胸腔积液组患者104例，占36.6%。第1个子节点通过CA125分为≤19.53、19.53～59.86、＞59.86 3个节点；节点1有85例，其中肺炎不伴胸腔积液75例（88.2%）；节点3有85例，其中肺炎伴胸腔积液患者58例（68.2%）；节点2继续通过PLR分为≤313.2、＞313.2 2个节点；节点4有84例，包括肺炎不伴胸腔积液患者64例（76.2%）；节点5有30例，包括肺炎伴胸腔积液患者16例（53.3%）；见图3。模型仅纳入了CA125和PLR 2个变量，其中CA125为最重要变量，与MLP神经网络模型一致。

MLP神经网络、CHAID决策树、Logistic回归模型检测CAP伴胸腔积液的曲线下面积（area under curve，AUC）分别为0.803、0.775、0.785，均高于单项指标，其中CA125特异性为82.2%、敏感性为63.5%、AUC为0.77、95%可信区间（confidence interval，CI）为0.648～0.772；NLR特异性为67.2%、敏感性为64.4%、AUC为0.691、95%CI为0.626～0.756；PLR特异性为77.2%、敏感性为53.8%、AUC为0.674、95%CI为0.607～0.742；hs-CRP特异性为82.2%、敏感性为63.5%，AUC为0.691、95%CI为0.628～0.753。见表3和图4。

图3 CHAID决策树模型

表3 3个模型诊断效能比较

图4 MLP神经网络、CHAID决策树、Logistic回归模型ROC曲线

3 讨论

神经网络和决策树模型被广泛应用于疾病预测和诊断，大多数神经网络和决策树模型在肺癌、肝癌等癌症疾病中多次被应用，其性能都优于传统Logistic回归模型[5-7]。本研究纳入了284例数据，采用MLP神经网络、CHAID决策树、Logistic回归模型对结果进行分析，发现MLP神经网络模型的AUC、敏感性、阳性预测值、阴性预测值、准确率均优于CHAID决策树和Logistic回归模型。用Logistic回归模型初步分析单项检测指标的AUC、敏感性、特异性，诊断效能低于3个模型联合检测，提示CA125、NLR、PLR、hs-CRP联合检测可用于CAP伴胸腔积液检测。但本研究纳入数据量不足，导致MLP神经网络、CHAID决策树、Logistic回归构建3个模型阳性预测值分别仅为65.8%、64.3%、64.8%；但阴性预测值较高，分别为82.9%、82.2%、79.9%。通过增加纳入数据进行建模，能有效提高AUC、敏感性、特异性、阳性预测值、阴性预测值、准确率，如有条件可进一步通过测定其治疗后指标来分析预后，为临床进行辅助诊断提供帮助。

CA125是诊断卵巢癌及其复发的最敏感指标，但因为CA125也存在于由胎儿体腔上皮细胞分化而来的心包膜、腹膜和胸膜等组织中，所以，当肺炎累积胸膜时，CA125轻度上升，病情严重时可显著增加并出现胸水[8-9]。有研究结果显示，CA125在鉴别肺炎与肺结核中也起重要作用[10]。本研究通过MLP神经网络和CHAID决策树模型得出CA125在4个指标中重要性最强，与肺炎伴胸腔积液的产生有直接关系，但其单独检测的敏感性仅为63.5%，AUC为0.71，虽然在疾病诊断中也有作用，但联合检测可进一步提高诊断价值。

NLR、PLR是新型炎症标志物，其敏感性高于单独白细胞检测。当机体出现炎症时，外周血中性粒细胞增多，机体出现免疫应答，淋巴细胞减少，其比值更能反映机体炎症状态，尤其白细胞升高不明显时尤为重要。血小板参与炎症反应过程，其与淋巴细胞的比值也能反应机体炎症状态。C反应蛋白作为传统炎症标志物，参与机体炎症反应过程，有良好的辅助诊断作用。3个炎症标志物被广泛用于肿瘤、泌尿系统和各种炎性疾病的诊断。多项研究结果表明，NLR、PLR、hs-CRP在CAP、肺结核和肺癌中存在差异，并可运用于鉴别诊断中[11-12]。本文研究结果显示，在CAP伴胸腔积液中，3个炎症指标均有诊断价值，亦可以通过联合检测鉴别有、无胸腔积液。

通过MLP神经网络构建的CA125、NLR、PLR、hs-CRP联合检测模型对CAP伴胸腔积液具有良好的辅助诊断价值，能帮助临床及时调整治疗方案。