Objektív tanulmány a krónikus atrófiás gyomorhurut nyelvdiagnózisáról

1.1 A kutatás tervezése Vizsgálat típusa: Prospektív keresztmetszeti vizsgálat és klinikai előrejelzési modellvizsgálat.

Kutatási hipotézis: A PLGC-t megfigyelési objektumként figyelembe véve a PLGC-betegek nyelvképét és nyelvbevonat-flóráját objektíven és standardizáltuk, és létrehoztuk a PLGC nyelvkép-kutatási adatbázist. A nyelvkép és a nyelvbevonat-flóra jellemzői alapján megalkottuk a PLGC klinikai predikciós modelljét, amely a CAG-betegek PLGC kockázatának valós idejű dinamikus előrejelzését nyelvkép segítségével valósítja meg, csökkenti az érvénytelen endoszkópos szűrést és csökkenti a ismételt szűrés költsége.

Kutatási módszerek:

(1) Klinikai adatok felmérése: A kérdőívet a betegek információinak gyűjtésére használták. Az alapadatok között szerepelt az alapvető személyes adatok, az életmód, a HP-fertőzés kórtörténete (korábbi HP-pozitív és a jelenlegi HP-pozitív), az emésztőrendszeri betegségek anamnézisében és a rák családi anamnézisében. Az orvosi feljegyzések tartalmazzák a jelenlegi kórtörténetet, korábbi kórtörténetet, személyes élettörténetet, gyomor-bélrendszeri káros tüneteket stb.; (2) Elektronikus endoszkópos jódfestés: Az Olympus elektronikus endoszkópiát használtuk a jódos festéshez. Ha bármilyen pozitív vagy gyanús elváltozást találtak a gyomornyálkahártyán, a megfelelő területet megharapták és kóros vizsgálatra küldték. Ha az endoszkópiával nem találtak eltérést, biopsziát nem vettek. Gasztroszkópos megnyilvánulásokat (erózió, fekély, ödéma, pangás, erythema, epe reflux, HP fertőzés) rögzítettek.

(3) Kóros vizsgálat: A biopsziás minták feldolgozása után a kóros HE festést végezték el, és megfigyelték és elvégezték a kóros diagnózist. Feljegyeztük a kórszövettani elváltozásokat (krónikus gyulladás, aktív gyulladás, intestinalis metaplasia, atrófia, diszplázia mértéke és tartománya).

(4) A nyelv képére vonatkozó információgyűjtés: 1 Szabványos adatgyűjtő berendezés: A nyelv képét a nyelvfelszíni diagnosztikai információgyűjtő rendszer (DS01-B, Shanghai Daosheng Medical Technology Co., Ltd., Shanghai Machinery Injection 20202200062) gyűjtötte össze és automatikusan elemezte, és a képinformációkat digitalizáltuk és tároltuk. 2 nyelvnyújtási módszer: A felvétel előtt az alanyokat megtanították a nyelvük nyújtására. Az alanyok a végén ültek, és a szájat a lehető legnagyobb mértékben kinyitották, amikor a nyelvet kinyújtották. A nyelv teste ellazult, a nyelv felszíne lelapult, a nyelv hegye természetesen lelógott. Nem célszerű túl erősen nyújtani a nyelvet, és a nyelvnyújtás idejét minimálisra kell csökkenteni, hogy elkerüljük a nyelvtest kifáradását, ami befolyásolja a nyelv stabilitását. 3 Megjegyzés: Kerülje a diéta és a gyógyszerek hatását.

( 5 ) Nyelvbevonat-flóra összegyűjtése: A betegek a mintavétel megkezdése előtt 3-5 alkalommal vízzel gargarizálnak, hogy kiöblítsék az esetleges élelmiszer-maradvány-szennyeződést a szájban. Ezután megfelelő mennyiségű nyelvbevonat mintát steril tamponnal a nyelvbevonat felületére kapartunk, 20-szor oda-vissza kapartunk, a tartósítóoldatot tartalmazó steril csőbe helyezzük, és hűtőszekrényben -80°-on lefagyasztjuk. C a lehető leghamarabb. A flóra elemzéséhez a 16s rDNS elemzési módszert alkalmaztuk.

1.2. Alanyok (beleértve a felvételi és kizárási kritériumokat) Keresztmetszeti vizsgálatot végeztek a Pekingi Egyetemi Első Kórházban. Olyan CAG-betegeket választottak ki vizsgálati alanynak, akiknél felső gasztrointesztinális endoszkópiát végeztek, és patológiásan diagnosztizáltak PLGC-t. A nem és az életkor megfeleltetése alapján a kontrollcsoportot gasztroszkópiával igazoltuk, hogy nem PLGC CAG betegek. Minden résztvevőt tájékoztattak a vizsgálat céljairól, eljárásairól, lehetséges kockázatairól és előnyeiről, majd aláírták a beleegyezési űrlapot.

Diagnosztikai kritériumok: A krónikus gastritis gasztroszkópiás és kóros diagnosztikai kritériumait a „Kínai konszenzus a krónikus gyomorhurutról (2017, Sanghaj)” és a „Konszenzus a krónikus atrófiás gyomorhurut integrált hagyományos kínai és nyugati orvoslás diagnosztikájáról és kezeléséről (2017)” alapján állapították meg.

Bevételi kritériumok:

(1) A felső gasztrointesztinális endoszkópiát 3 hónapon belül végezték el; (2) Gasztroszkópiával és patológiás vizsgálattal diagnosztizált krónikus atrófiás gastritisben szenvedő betegek; (3) Életkor 40-70 év, nem korlátlan; (4) beleegyezett a nyelvkép gyűjtésébe és a nyomon követés elfogadásába; ( 5 ) Önkéntes részvétel ebben a vizsgálatban, és aláírt beleegyező nyilatkozatot.

Kizárási kritériumok :

(1) akik nem tudnak együttműködni a szabványosított nyelvi képgyűjtéssel és adatgyűjtéssel; (2) nyelvkaparás, nyelvfestés vagy rendellenes nyelvnyúlás esetén; (3) Gyomor rosszindulatú hajlam vagy gyomordaganat gyanúja és gyomorműtét kórtörténete; (4) Hepatitisben, szifiliszben, HIV-ben, schistosomiasisban és más ismert fertőző betegségben szenved; (5) súlyos szív-, máj-, vese-, vérbetegségben és rosszindulatú daganatokban szenvedő betegek; (6) Akut légúti fertőzéssel, aktív peptikus fekéllyel és más akut betegségekkel kombinálva; (7) Azok a betegek, akik 1 hónapon belül antibiotikumokat, savgátlókat és mikroökológiai szabályozó szereket szedtek; (8) immunszuppresszív szerek, hormonok és egyéb gyógyszerek hosszú távú alkalmazása; ( 9 ) terhes vagy szoptató nők. 1.3 Megfigyelési mutatók és nyomon követési terv

1. Megfigyelési mutatók 1.1. A nyelv képjellemzői és a PLGC közötti összefüggés A nyelv színének (sápadt nyelv, rózsaszín nyelv, bíbor nyelv, levendula nyelv, ecchymosis nyelv) és a nyelv alakjának (fognyomott nyelv, szúró nyelv, ecchymosssured tongue, echmosissured tongue, echmosissured tongue, ecchymosis nyelv kövér és vékony nyelv) PLGC betegekben és PLGC összefüggés; 2.

2 A nyelvbevonat jellemzőinek elemzése: Elemezték a nyelv bevonat minősége (vastag és vékony bevonat, zsíros bevonat, rothadt bevonat, hámló bevonat) és a bevonat színe (fehér és sárga) és a PLGC közötti összefüggést PLGC-s betegekben.

Szublingvális kollaterálisok elemzése: A nyelvalatti kollaterálisok osztályozásának diagnosztikus kritériumai alapján a nyelv alatti kollaterálisokat a nyelv alatti kollaterálisok hossza, szélessége (vastagsága), kanyargóssága és színe szerint írtuk le, valamint elemeztük a PLGC kóros elváltozásaival való összefüggést.

A nyelv színének és a nyelvbevonat színparamétereinek elemzése: RGB, HIS és Lab színtértípusokat használtunk a PLGC teljes nyelv és középső (a lép és gyomor partíciónak megfelelő) RGB, Lab és HSV színtér indexeinek elemzésére. betegek. Ezek közül az R a piros értéket, a G a zöld értéket, a B a kék értéket, a H a színárnyalatot, az S a színtelítettséget, az I a fényerőt, az L a fényerőt, a a piros-zöld tengelyt jelenti, b a sárga-kék tengelyt jelöli.

1.2 Összefüggés a nyelvbevonat flóra és a PLGC között

1. α diverzitás elemzés: A mikrobiális közösségek diverzitását a különböző csoportok között α diverzitás analízissel hasonlítottuk össze.
2. β diverzitáselemzés: A β-analízissel feltárták a különböző csoportok közösségszerkezetének különbségeit, és feltárták a kulcsflórát.
3. Fajösszetétel-elemzés: A csoportok közötti flóraösszetételbeli különbségeket törzs- és nemzetségszinten hasonlítottuk össze a jellegzetes flóra megtalálása érdekében.

Faj- és funkcionális járulékanalízissel, regressziós elemzéssel és korrespondenciaanalízissel előre jeleztük, hogy a mikrobiális összetétel funkciója megtalálja a jellegzetes flóra funkcióját.

1.3. PLGC kockázat-előrejelzési modell felépítése nyelvkép jellemzői alapján Egyváltozós feltételes A statisztikailag szignifikáns faktorokon logisztikus regressziós elemzést végeztünk t-próbával és χ2-próbával. A PLGC-t használták kimeneti változóként az esélyhányados (OR) és az egyes tényezők 95%-os konfidenciaintervallumának kiszámításához. αin = 0,05, αout = 0,1 esetén a fenti változókat bevezettük a logisztikai többváltozós elemzésbe a PLGC-vel kapcsolatos kockázati tényezők kiszűrésére, és egy kockázat-előrejelzési modellt hoztak létre. A vevő működési karakterisztikája (ROC) görbét használták a predikciós modell megkülönböztető képességének reprezentálására. A modell illeszkedésének jóságát és előrejelzési pontosságát a Hosmer-Lemeshow illeszkedési jóság, a pszeudo R-négyzet és a görbe alatti terület (AUC) segítségével értékeltük.

2. Nyomon követési terv Nyomon követés : a súlyos atrófiás gastritissel, súlyos bélmetaplaziával vagy alacsony fokú intraepiteliális neopláziával diagnosztizált betegeket legalább évente egyszer ellenőrizni kell; A kezelést megtagadó, súlyos intraepiteliális neopláziában szenvedő betegeket hathavonta ellenőrizni kell. A CAG súlyosságát OLGA rendszer (atrófia) vagy OLGIM rendszer (intestinalis metaplasia) alapján ítélték meg. A nyomon követés endoszkópos jódfestéssel, indikatív biopsziával és patológiás diagnózissal történt. A követési arány > 70 % volt.

1.4 A mintanagyság meghatározásának alapja Szakértői konzultáció, szakirodalmi áttekintés és mély tanulási modellezés követelményei szerint a mintanagyságot empirikus módszerrel számítottuk ki, hogy a minta mérete több mint 10-szerese a független változók számának ( 20 független változó ). Ezen túlmenően, az előző előzetes felmérés azt találta, hogy a PLGC incidenciája a CAG-betegeknél a jelen vizsgálat osztályán várhatóan 50%. A 10%-os leválási arányt figyelembe véve a CAG minimális mintanagysága ebben a vizsgálatban 500 eset volt. Ebben a vizsgálatban várhatóan 500 CAG-beteg vesz részt. A Logisztikus regressziós modellben a képzési csoport és a tesztcsoport létszámaránya 7 : 3, a képzési csoport mintanagysága pedig 350 esetre van beállítva, tehát a tesztcsoport mintanagysága nem lehet kisebb 150-nél. esetek.

1.5 Statisztikai elemzési módszer A tanulmány adatainak elemzéséhez SPSS 25.0 szoftvert használtunk. A normál eloszlásnak megfelelő mérési adatokat átlag ± szórás (x ± s ) formában fejeztük ki, a csoportok összehasonlítására a t tesztet használtuk. A normál eloszlásnak nem megfelelő mérési adatokat M-ben (P25, P75) fejeztük ki, és a két csoport összehasonlítására a nem-paraméteres tesztet használtuk. A számlálási adatokat (%) fejeztük ki, és a csoportok közötti összehasonlításhoz a khi-négyzet tesztet (χ2) használtuk. P < 0,05 azt jelzi, hogy a különbség statisztikailag szignifikáns. A modellalkotás során alkalmazott módszerek közé tartozik a lineáris regresszió, a logisztikus regresszió (nomogram), a Cox-regresszió (nomogram) és a Lasso-regresszió (szűrőváltozók). Predikciós modell értékelése: 1. Megkülönböztetés: A ROC görbét az illesztett logisztikai regressziós modell segítségével rajzoltuk meg, hogy megkapjuk a ROC görbe AUC értékét és kiértékeljük a megkülönböztetést. 2 Kalibrálás: A kalibrációt a Hosmer-Lemeshow illeszkedési teszttel értékeltük ki. Ha P < 0,05, akkor a modellt rosszul illesztettnek tekintettük. Ha P > 0,05, akkor azt javasoljuk, hogy a modell jól illeszkedjen az új adathalmaz érvényesítéséhez.3 Klinikai hatékonyság: A modell klinikai hatékonyságát a döntési görbe döntési görbe elemzésével (DCA) értékelték.

1.6 Adatgyűjtés és -kezelés Az adatbevitel és -kezelés az adatkezelő feladata. Az adatkezelő állítja össze az adatbázist, az adatbevitelhez és -kezeléshez Epidata szoftvert használ. Két adatkezelő egymástól függetlenül végez kettős bevitelt és lektorálást. A létrehozott adatbázis meghatározása után a fő kutatók, statisztikai elemzők és adatkezelők zárolják az adatbázist, végül meghatározzák az elemzési adatbázist.