简介：摘要不同抑郁症患者的最优治疗方案一般需通过长期、低效率的试错过程来逐步确定。为实现抑郁症的精准治疗，有必要通过特异性生物标志物来选择有效的治疗方法。深度学习是机器学习的一个分支，该技术能处理大量高维、复杂的数据，适用于自动提取和学习临床、基因组学和神经影像数据的特征。近年来，研究人员正在使用深度学习技术开发抑郁症治疗反应的预测模型，有利于指导临床医生为患者选择最佳治疗方案以及在全球范围内推进更为高效的个体化精准医疗方案。本文从人口学、临床症状数据、基因组学数据和功能磁共振成像数据三个方面，对深度学习预测抑郁症疗效方面的相关研究进行综述，并对未来的深度学习研究方向尤其是多组学数据结合深度学习的应用进行展望。

简介：摘要物资需求预测对于物资储备和管理决策具有重要意义。本文基于ARIMA时间序列模型对电网公司资产管理系统中的物资领用大数据进行挖掘，建立电网物资需求预测模型，并验证模型正确性，该模型可以为电网公司做出合理的物资储备管理决策提供支撑。

简介：（内江市第一人民医院病案室四川内江641000）摘要目的利用趋势季节模型预测法，预测我院未来门诊人次的变化。方法根据2006—2010年的统计资料，利用趋势季节模型预测法建立数学模型，对门诊人次进行统计预测。结论此方法能很好对门诊人次进行预测，对医院管理决策提供依据

简介：摘要阿尔茨海默病(AD)是老年人中最常见的痴呆症，目前尚无特效疗法能阻止或逆转其病情进展。轻度认知障碍(MCI)是早期诊断和预防AD的重要切入点，目前已有越来越多的研究探讨MCI向AD转化的危险因素和生物标志物，并构建了一系列MCI向AD转化风险预测模型。笔者现对近年来关于MCI向AD转化的预测因素及其风险预测模型方面的研究进展进行综述，以期为临床早期识别AD高危人群、管理可控高危因素提供依据，并为模型的选择与改良提供参考。

简介：摘要目的探讨血小板最大聚集率（MAR）对脓毒性休克及脓毒性休克合并弥散性血管内凝血（DIC）的预测价值。方法采用回顾性病例对照研究，针对2021年1月至2022年11月郑州大学第一附属医院重症医学科收治的脓毒症患者，收集其基本资料及入院24 h内的动态MAR、血常规、炎症指标、序贯器官衰竭评分（SOFA）等指标。根据有无脓毒性休克将脓毒症患者分为休克组和非休克组；再参照国际血栓与止血学会（ISTH）标准，根据有无显性DIC将脓毒性休克患者分为休克DIC组和休克非DIC组。比较各组间血小板聚集功能有无差异，绘制受试者工作特征曲线（ROC曲线）评价MAR对脓毒性休克及脓毒性休克合并DIC的预测价值。采用Spearman相关法分析脓毒症患者MAR与炎症指标及病情严重程度的相关性。结果共纳入153例脓毒症患者，其中脓毒性休克患者61例（包括有显性DIC者17例和无显性DIC者44例）。与非休克组患者比较，休克组患者降钙素原（PCT）、C-反应蛋白（CRP）及SOFA评分均明显升高〔PCT（mg/L）：6.90（2.50，23.50）比0.87（0.26，5.75），CRP（mg/L）：156.48（67.11，230.84）比90.39（46.43，182.76），SOFA评分（分）：11.00（8.00，14.00）比5.00（3.00，8.00），均P<0.05〕，同时血小板计数（PLT）及分别以二磷酸腺苷（ADP）、肾上腺素（A）、胶原（COL）、花生四烯酸（AA）为诱导剂的MAR（ADP-MAR、A-MAR、COL-MAR、AA-MAR）均明显降低〔PLT（×109/L）：101.00（49.00，163.50）比175.50（108.25，254.50），ADP-MAR：28.50%（22.00%，38.05%）比45.90%（33.98%，60.28%），A-MAR：38.90%（30.00%，55.40%）比65.15%（54.38%，72.53%），COL-MAR：27.90%（20.85%，36.55%）比42.95%（33.73%，54.08%），AA-MAR：24.70%（16.40%，34.20%）比46.55%（28.33%，59.20%），均P<0.05〕。亚组分析显示，与休克非DIC组比较，休克DIC组患者SOFA评分明显升高（分：13.29±5.23比10.39±3.58，P<0.05），PLT和COL-MAR明显降低〔PLT（×109/L）：36.00（22.00，67.50）比115.50（84.25，203.75），COL-MAR：21.50%（17.85%，32.60%）比30.95%（22.98%，38.53%），均P<0.05〕。ROC曲线分析显示，A-MAR对脓毒性休克的预测价值较高，其ROC曲线下面积（AUC）为0.814〔95%可信区间（95%CI）为0.742~0.886，P＝0.000〕，最佳截断值为51.35%，敏感度为68.9%，特异度为82.6%，阳性预测值为0.724，阴性预测值为0.800；COL-MAR对脓毒性休克合并DIC有一定预测价值，其AUC为0.668（95%CI为0.513~0.823，P＝0.044），最佳截断值为21.90%，敏感度为52.9%，特异度为79.5%，阳性预测值为0.500，阴性预测值为0.813。Spearman相关分析显示，脓毒症患者中各诱导剂诱导的MAR与炎症指标和SOFA评分呈不同程度负相关，其中A-MAR与SOFA评分的相关性最强（r＝-0.327，P＝0.000）。结论血小板聚集功能指标MAR对脓毒性休克及脓毒性休克合并DIC有一定的预测价值，并对脓毒症患者的病情严重程度有一定的评估价值，可作为一种监测指标用于预测脓毒症患者病情的变化和指导治疗。

简介：摘要目的探讨特重度烧伤患者的死亡风险因素，以此建立死亡风险列线图预测模型，并分析其对特重度烧伤患者死亡风险的预测价值。方法回顾性分析陆军军医大学第一附属医院全军烧伤研究所2010年1月—2018年10月收治的231例(男190例、女41例，年龄18～60岁)符合入选标准的特重度烧伤患者的病历资料，根据患者最终预后分为存活组173例和死亡组58例。统计2组患者性别、年龄、吸入性损伤程度、烧伤总面积、Ⅲ度烧伤面积、烧伤指数，伤后第1、2个24 h补液系数和尿量系数，入院后首次碱剩余、休克指数、血细胞比容(HCT)，有无院前补液、是否使用呼吸机、是否进行连续性肾脏替代治疗(CRRT)，计算入院时简化烧伤严重指数(ABSI)、Baux评分。根据呼吸机使用情况将患者分为使用呼吸机组131例和未使用呼吸机组100例，统计2组患者的死亡情况、烧伤总面积、烧伤指数、吸入性损伤发生情况和程度；根据CRRT应用情况将患者分为进行CRRT组59例和未进行CRRT组172例，统计2组患者的死亡情况、烧伤总面积和烧伤指数。对数据行t检验、χ2检验、Mann-Whitney U检验，筛选患者死亡的相关因素。对存活组和死亡组组间比较差异有统计学意义的指标进行多因素logistic回归分析，筛选患者死亡的独立风险因素，并据此建立死亡风险列线图预测模型。采用Bootstrap法对死亡风险列线图预测模型进行内部验证，通过绘制校准曲线和计算一致性系数来评估死亡风险列线图预测模型对患者死亡风险的预测价值。根据死亡风险的列线图得到231例患者的死亡风险评分，并绘制受试者工作特征(ROC)曲线，计算其最佳阈值与最佳阈值下的敏感度、特异度及曲线下面积。结果(1)存活组和死亡组患者烧伤指数、入院时ABSI、吸入性损伤程度、烧伤总面积、Ⅲ度烧伤面积、伤后第1个24 h补液系数、使用呼吸机、进行CRRT及入院时Baux评分比较，差异有统计学意义(Z＝-7.696、-7.301，χ2＝18.304、63.065、23.300、13.073、34.240、59.586，t＝-7.536，P<0.01)。(2)使用呼吸机组和未使用呼吸机组患者死亡情况、吸入性损伤伤发生情况及程度、烧伤总面积、烧伤指数比较，差异有统计学意义(χ2＝34.240、17.394、25.479，Z＝-6.557、-7.049，P<0.01)。(3)进行CRRT组和未进行CRRT组患者的死亡情况、烧伤总面积和烧伤指数比较，差异有统计学意义(χ2＝62.982，Z＝-47.421、-6.678，P<0.01)。(4)使用呼吸机、进行CRRT和烧伤指数是特重度烧伤患者死亡的独立危险因素(比值比＝3.277、5.587、1.067，95%置信区间＝1.073～10.008、2.384～13.093、1.038～1.096，P<0.05或P<0.01)。(5)列线图预测模型初始一致性系数为0.90，校正后的一致性系数为0.89，校正前后的一致性系数相近且均较高，列线图预测模型的一致性和预测效果较好。ROC曲线最佳阈值为0.23，最佳阈值下的敏感度是86.0%、特异度是80.0%。ROC曲线下面积为0.90(95%置信区间＝0.86～0.94，P<0.01)。结论烧伤程度重及器官的损伤和/或衰竭是特重度烧伤患者死亡的根本原因。基于使用呼吸机、进行CRRT和烧伤指数3个指标建立的死亡风险列线图预测模型对特重度烧伤患者死亡有较好的预测能力。

简介：摘要目的筛选院内跌倒伤害预测因素，构建院内跌倒伤害预测模型并开发列线图。方法选取浙江大学医学院附属第二医院2014年1月至2019年12月所有住院期间发生院内跌倒的患者243例为研究对象。患者发生跌倒后收集相关资料，包括年龄、性别、功能障碍等。采取Lasso回归与Logistic回归相结合方法筛选预测因素，构建院内跌倒伤害预测模型并开发列线图。C指数、H-L拟合优度检验验证模型区分度、一致性。Bootstrap重采法进行模型内部验证。结果70例患者发生院内跌倒伤害，跌倒伤害发生率为28.81%。年龄≥60岁、功能障碍、联合服用特殊药物、无陪护、低血钙是跌倒伤害的五大预测因素。模型C指数为0.823（95%CI 0.756~0.875），模型内部验证C指数为0.803。H-L拟合优度检验结果显示，差异无统计学意义（χ2值为8.42，P=0.43）。结论本研究构建的院内跌倒伤害预测模型具有良好的区分度及一致性，临床医务人员能够准确、快速通过院内跌倒伤害预测列线图获得重回风险，识别院内跌倒伤害发生高风险患者，为针对性预防跌倒伤害干预措施提供参考依据。

简介：摘要目的通过生物信息学分析筛选与胃癌预后相关的微RNA(miRNA)，构建风险评分模型并进行验证。方法从人类癌症基因组图谱数据库下载491例样本的人类基因组miRNA测序数据(胃癌组织样本446份，正常胃组织样本45份)和相应的临床病理信息。通过R 4.0.2软件edgeR包对miRNA表达谱进行差异分析，将所得差异表达谱按1∶1的比例随机分为训练集和测试集。采用单因素Cox回归分析和最小绝对收缩和选择算子(LASSO)回归分析筛选预后相关miRNA，进一步对筛选出的预后相关miRNA进行多因素Cox回归分析并构建预后风险评分模型。采用Kaplan-Meier曲线、受试者操作特征曲线、曲线下面积(AUC)动态变化曲线评估模型的预测效能。结果以|log2差异倍数|>1.5、P<0.01为标准，筛选出175个胃癌组织中差异表达miRNA。通过单因素Cox回归分析和LASSO回归分析筛选出6个与胃癌患者总生存率相关的差异表达miRNA，使用多因素Cox回归分析成功构建5-miRNA风险评分模型：风险评分＝0.183×hsa-miRNA-184+0.086×hsa-miRNA-675-0.231×hsa-miRNA-2115+0.548×hsa-miRNA-3943-1.455×hsa-miRNA-1246。在训练集、测试集、总体数据集中，高风险组患者的累积生存率均低于低风险组，差异均有统计学意义(χ2＝18.90、9.50、26.70，P均<0.05)，模型预测效能优于TNM分期，且分层分析显示模型能有效预测早期胃癌。单因素和多因素Cox回归分析显示模型风险评分、年龄和M分期是胃癌患者预后不良的独立危险因素[风险比(95%可信区间)分别为1.19(1.07～1.32)、1.20(1.06～1.40)，1.50(1.01～2.23)、1.90(1.28～2.90)，1.34(1.15～1.57)、2.10(1.05～4.40)；P均<0.05]。结论基于5个miRNA构建的5-miRNA风险评分模型预测胃癌患者预后的准确性高，是独立的预后因子。

简介：摘要目的系统评价宫颈癌发病风险预测模型的现况，为实践工作选择最合适的模型提供证据，指导宫颈癌筛查。方法以宫颈癌和风险预测模型相关的两组中英文关键词，分别检索中国知网、万方数据知识服务平台及PubMed、Embase、Cochrane Library，筛选截至2019年11月21日发表构建或验证宫颈癌发病模型相关文献。根据CHARMS清单制定提取表，以PROBAST工具评估偏倚风险。结果共纳入12篇文献，涉及15个模型，其中5个模型在中国构建。预测结局包含从宫颈癌前病变到癌症发生的多个阶段宫颈涂片异常（1）、CIN的发生或复发（9）、宫颈癌发生（5）。使用较多的预测因素为HPV感染（12）、年龄（7）、吸烟（5）和文化程度（5）。有2个模型采用机器学习建模。模型表现上，区分度范围为0.53~0.87，而校准度只有2个模型正确评价。仅2个模型在中国台湾地区利用不同时间段的人群进行了外部验证。偏倚风险评价发现所有模型均为高风险，尤其分析领域，问题集中在缺失数据处理不当（13）、模型表现评价不完整（13）、内部验证使用不当（12）和样本量不足（11）。另外，预测因素和结局测量不一致（8）、结局测量盲法使用情况未报告（8）的问题较突出。相对而言，Rothberg等（2018）的模型质量较高。结论宫颈癌发病风险预测模型有一定数量但质量较差，亟须提高预测因素与结局的测量以及缺失数据处理和模型表现评价等统计分析细节，对现有模型进行外部验证，以更好地指导筛查。

简介：摘要目的系统评价非计划重返ICU风险预测模型的预测价值。方法系统检索Cochrane Library、PubMed、Embase、万方数据库、维普网、中国知网等中英文数据库，收集有关非计划重返ICU风险预测模型的研究，检索时限为建库至2022年1月1日。由2名研究者独立筛选文献及资料提取，评价纳入研究的偏倚风险，同时评价不同模型的准确度。结果最终纳入15篇文献，非计划重返ICU比例为2.54%~13.13%，各预测模型的受试者工作特征曲线下面积为0.660~0.858。15篇纳入文献中，只有5个预测模型进行了外部验证，大多数模型在建模过程中存在一定的偏倚风险，但整体适用性表现良好。结论多数非计划重返ICU预测模型存在一定的方法学和统计分析的缺陷，医护人员在临床应用过程中应谨慎解释其预测效果，未来研究应重点关注模型的外部验证。

简介：摘要脑卒中后抑郁(PSD)是脑卒中后常见的并发症，严重影响患者生存质量，早发现、早治疗可明显改善脑卒中患者的抑郁状况。现有的PSD风险预测模型多基于临床危险因素、患者社会心理因素、影像学因素、生物学标志物及中医证候因素建立，本文现围绕模型的建立过程、预测性能、不足之处及发展趋势综述如下。

简介：摘要传统的生存预测属于“静态预测”，即其只能利用基线暴露信息预测结局的发生情况。而目前出于临床研究实际需求，越来越多的研究者开始关注“动态预测”，该方法能利用截至预测起点（界标时点）的暴露信息对预测模型进行更新，从而实现对患者结局的动态预测。界标模型即一种动态预测模型，其结构简单、容易实现、计算效率高，且其性能与相较之下更为复杂的联合模型相近，目前已得到广泛应用。但其在国内的应用仍较少，本文从界标模型的基本思想出发，通过案例简要介绍其应用方法，以期促进其在临床生存分析动态预测场景中的应用。

简介：摘要目的筛选院内跌倒伤害预测因素，构建院内跌倒伤害预测模型并开发列线图。方法选取浙江大学医学院附属第二医院2014年1月至2019年12月所有住院期间发生院内跌倒的患者243例为研究对象。患者发生跌倒后收集相关资料，包括年龄、性别、功能障碍等。采取Lasso回归与Logistic回归相结合方法筛选预测因素，构建院内跌倒伤害预测模型并开发列线图。C指数、H-L拟合优度检验验证模型区分度、一致性。Bootstrap重采法进行模型内部验证。结果70例患者发生院内跌倒伤害，跌倒伤害发生率为28.81%。年龄≥60岁、功能障碍、联合服用特殊药物、无陪护、低血钙是跌倒伤害的五大预测因素。模型C指数为0.823（95%CI 0.756~0.875），模型内部验证C指数为0.803。H-L拟合优度检验结果显示，差异无统计学意义（χ2值为8.42，P=0.43）。结论本研究构建的院内跌倒伤害预测模型具有良好的区分度及一致性，临床医务人员能够准确、快速通过院内跌倒伤害预测列线图获得重回风险，识别院内跌倒伤害发生高风险患者，为针对性预防跌倒伤害干预措施提供参考依据。

简介：无

简介：摘要胆囊癌是胆道系统最常见的恶性肿瘤，根治性手术切除是目前胆囊癌唯一有效的治疗手段，但效果欠佳。识别胆囊癌患者的关键预后因素，建立一种个体化、准确的生存预测模型，对于胆囊癌患者预后评估、治疗方案选择及临床决策支持具有重要的指导意义。目前常用的肿瘤TNM分期预测价值有限；Cox回归模型是最常用、最经典的生存分析方法，但难以建立预后变量之间的关联关系。列线图及贝叶斯网络等机器学习方法近年来逐渐用于建立胆囊癌的生存预测模型，显示出了一定先进性，但模型的精确度及临床应用仍需要进一步验证。建立我国胆囊癌多中心大样本数据库，基于机器学习算法建立更精准的生存预测模型以指导胆囊癌临床决策是今后研究的主要方向。

简介：摘要目的构建与验证腹膜透析（PD）患者1年和3年生存率的预测模型。方法入选2010年1月1日至2017年12月31日在南方医科大学珠江医院首次接受腹膜透析置管术的患者为研究对象。其中2014年1月1日至2017年12月31日接受腹膜透析置管术的患者作为建模队列。收集入选者基线临床资料，主要研究终点事件为患者全因死亡。采用Cox比例风险回归模型筛选影响患者预后的危险因素，用R语言的rms包构建预测预后的模型；用一致性指数、ROC曲线和校准曲线评估模型的区分度和准确性。以2010年1月1日至2013年12月31日接受腹膜透析置管术的患者作为验证队列的研究对象，对模型的预测准确性进行验证。结果建模队列纳入患者457例，中位随访时间为27.67月（18.37，39.22），64例患者死亡（14.0%），患者1年、3年累积生存率分别为96.4%、83.0%。多因素Cox分析结果显示，高龄（每增加1岁，HR=1.07，95%CI 1.04~1.09，P<0.001）、有卒中史（HR=3.63，95%CI 1.93~6.85，P<0.001）、外周血中性粒细胞/淋巴细胞比值（NLR）高（每增加1，HR=1.12，95%CI 1.05~1.20，P=0.001）、低血浆白蛋白（每增加1 g/L，HR=0.89，95%CI 0.82~0.95，P=0.001）和高总胆固醇（每增加1 mmol/L，HR=1.51，95%CI 1.20~1.89，P<0.001）水平是PD患者预后的独立危险因素。预测模型在建模队列和验证队列的一致性指数分别为0.815（95%CI 0.765~0.865）和0.804（95%CI 0.744~0.864），校正曲线均接近斜率为1的直线。结论基于年龄、血总胆固醇水平、卒中史和NLR，用列线图建立的腹膜透析患者预后的预测模型可辅助预测PD患者1年和3年生存率。

简介：摘要谵妄评估可早期发现和治疗谵妄。然而研究表明ICU护士谵妄评估的依从性和准确性不理想，且谵妄具有急性发作和反复波动的特征，临床上易被漏诊。ICU术后患者谵妄发生率高，造成一系列并发症和不良事件，严重影响患者的预后。大量研究表明谵妄是可以预防的。因此，临床亟需使用谵妄风险预测模型早期识别高危ICU术后患者，尽早实施谵妄预防措施。本文综述了ICU术后谵妄概况以及国内外ICU术后谵妄风险预测模型的研究现状。旨在为促进国内ICU术后谵妄风险预测模型的开发、验证以及临床应用提供参考。

简介：目的建立广东地区妇女乳腺癌预测模型，筛选高危人群，为乳腺癌的早期干预提供线索。方法在门诊患者和正常体检的妇女中，采用简单随机的方法选取35～60岁乳腺癌病例284例，以1：2成组配对原则在相应年龄段内选取非乳腺癌妇女673例，进行回顾性病例对照研究。分析数据时，首先将数据按绝经前后分层；以是否为乳腺癌患者为结果变量，其余变量为自变量，分别通过logistic单因素、多因素回归分析筛选出绝经前、后乳腺癌的危险因素，并以此建立绝经前、后妇女乳腺癌预测模型；用判别分析法分别对绝经前、后预测模型的预测能力进行判别。结果绝经前妇女患乳腺癌的主要危险因素包括服用避孕药史、亲属中有乳腺癌患者、有不良情绪、有不良事件、劳动强度大、无乳腺组织活检史、很少参加运动等。绝经前妇女患乳腺癌的预测模型为：1／{1＋exp[-（-4．314＋1．333服用避孕药＋1．167亲属中有乳腺癌患者＋0．404有不良情绪＋0．613有不良事件＋0．754劳动强度大-0．716有乳腺组织活检史-0．839经常运动）]}。此模型有统计学意义（x^2=165．83，P=0．000），并且其预测不发生乳腺癌的正确率为74．2％，预测发生乳腺癌的正确率为58．4％。绝经后妇女患乳腺癌的主要危险因素包括亲属中有乳腺癌患者、文化程度低、情绪调节能力差等。绝经后妇女患乳腺癌的预测模型为：1／{1＋exp[-（1.211＋2．269亲属中有乳腺癌患者-1．617文化程度高-0．635情绪调节能力强）]}。此模型有统计学意义（x^2=116．32，P=0．000），并且其预测发生乳腺癌的正确率为78．9％，不发生乳腺癌的正确率为55．2％。结论绝经前、后妇女患乳腺癌的影响因素不完全相同。绝经后妇女乳腺癌预测模型对预测发生乳腺癌有一定的参考价值；绝经前妇女乳腺癌预测模型对预测不�

简介：摘要目的构建我国非吸烟女性的肺癌风险预测模型。方法于2006年5月至2015年12月，采用巢式病例对照研究设计，基于开滦前瞻性动态队列研究，以随访到的原发性病理学确诊肺癌患者为病例组，以随访期间未发病者为对照组。最终共纳入24 701名研究对象，病例组和对照组分别为86、24 615名。采用问卷调查、体格检查和实验室检测收集相关信息，采用多因素logistic回归模型建立肺癌风险预测模型，使用曲线下面积（AUC）与Hosmer-Lemeshow检验评价模型的预测效能与拟合度，同时利用十倍交叉验证方法进行预测模型的内部验证。结果共构建了两套风险预测模型：基本模型（纳入年龄与月收入情况2个预测指标）和代谢指标模型（纳入年龄、月收入情况、空腹血糖、总胆固醇和高密度脂蛋白胆固醇5个预测指标）。代谢指标模型的AUC（95%CI）［0.745（0.719~0.771）］大于基本模型的AUC（95%CI）［0.688（0.660~0.716）］（P=0.004）；基本模型（PHL=0.287）与代谢指标模型（PHL=0.134）的拟合度均良好；十倍交叉验证结果提示代谢指标模型预测效果稳定，平均AUC值为0.699，标准误为0.010。结论通过纳入代谢指标，可构建精准可靠的非吸烟女性肺癌风险预测模型。

简介：摘要目的探讨卵巢上皮性肿瘤的超声鉴别特征，并建立预测模型。方法按照国际卵巢协作组的超声术语规范，回顾性分析2015年1月至2019年7月427例卵巢上皮性肿瘤声像图表现，通过单因素分析得出有鉴别意义的超声征象，纳入多元Logistic回归分析，得出交界性、良性、恶性超声鉴别重要指标，并建立预测模型。结果单因素及多元Logistic回归分析结果显示微囊征是交界性肿瘤与良性、恶性肿瘤鉴别的特征性指标(OR值分别为10.97、19.22)。同时恶性肿瘤与良性肿瘤鉴别的重要指标以不规则、厚分隔、实性为主、富血供、腹水为主，其中不规则意义最大。恶性肿瘤与交界性肿瘤鉴别的重要指标还包括不规则、大乳头、厚分隔、实性为主、富血供。不规则在鉴别交界性肿瘤与良性肿瘤也具有相当的作用。本研究建立模型总的符合率72.4%，其中预测交界性模型的符合率为57.2%，良性为78.6%，恶性为80.7%。结论微囊征是交界性肿瘤的特异性超声表现。卵巢肿瘤是否规则、是否以实性为主、血供是否丰富及有无腹水在鉴别卵巢上皮性肿瘤中意义较大。本研究建立的卵巢肿瘤良性、恶性和交界性预测模型有较高诊断效能。