Objektiv studie om tungdiagnos av kronisk atrofisk gastrit

1.1 Forskningsdesign Studietyp: Prospektiv tvärsnittsstudie och klinisk prediktionsmodellstudie.

Forskningshypotes: Med PLGC som observationsobjekt insamlades tungbilden och tungbeläggningsfloran hos PLGC-patienter objektivt och standardiserades, och PLGC:s databas för tungbildsforskning etablerades. Baserat på egenskaperna hos tungbilden och tungbeläggningsfloran, konstruerades den kliniska prediktionsmodellen för PLGC för att realisera den dynamiska realtidsförutsägelsen av risken för PLGC hos CAG-patienter genom tungbild, minska ogiltig endoskopisk screening och minska kostnaden för upprepad screening.

Forskningsmetoder :

( 1 ) Klinisk dataundersökning : Frågeformuläret användes för att samla in patientinformation. Baslinjedata inkluderade personlig grundläggande information, livsstil, historia av HP-infektion (tidigare HP-positiv och aktuell HP-positiv), historia av sjukdom i mag-tarmkanalen och familjehistoria med cancer. De medicinska journalerna inkluderar också aktuell medicinsk historia, tidigare medicinsk historia, personlig livshistoria, gastrointestinala negativa symtom, etc.; ( 2 ) Elektronisk endoskopi jodfärgning: Olympus elektronisk endoskopi användes för jodfärgning. Om någon positiv eller misstänkt skada påträffades i magslemhinnan, bets motsvarande område och skickades för patologisk undersökning. Om ingen abnormitet hittades vid endoskopi togs ingen biopsi. Gastroskopiska manifestationer (erosion, sår, ödem, stockning, erytem, ​​gallreflux, HP-infektion) registrerades.

( 3 ) Patologisk undersökning : Efter att biopsiproverna bearbetats utfördes den patologiska HE-färgningen och den patologiska diagnosen observerades och utfördes. De histopatologiska lesionerna (kronisk inflammation, aktiv inflammation, intestinal metaplasi, atrofi, grad och intervall av dysplasi) registrerades.

( 4 ) Insamling av tungbildsinformation: 1 Standardiserad insamlingsutrustning: Tungabilden samlades in och analyserades automatiskt av informationsinsamlingssystemet för tungytediagnos (DS01-B, Shanghai Daosheng Medical Technology Co., Ltd., Shanghai Machinery Injection 20202200062), och bildinformationen digitaliserades och lagrades. Förlängningsmetod med två tungor: Före fotograferingen tränades försökspersonerna i att sträcka ut sina tungor. Försökspersonerna sattes i slutet och munnen öppnades så mycket som möjligt när tungan sträcktes ut. Tungkroppen var avslappnad, tungytan var tillplattad och tungspetsen var naturligt hängande. Det är inte lämpligt att sträcka ut tungan för hårt, och tiden för att sträcka ut tungan bör minimeras för att undvika att tungkroppens trötthet påverkar tungans stabilitet. 3 Obs: Undvik påverkan av kost och droger.

( 5 ) Samling av tungbeläggningsflora: Patienterna gurglar med vatten 3-5 gånger innan provtagningen påbörjas för att skölja bort eventuella matrester i munnen. Sedan skrapades en lämplig mängd tungbeläggningsprover på ytan av tungbeläggningen med en steril pinne, skrapades fram och tillbaka i 20 gånger, placerades i ett sterilt rör innehållande konserveringslösningen och frystes in i ett kylskåp vid -80° C så snart som möjligt. 16s rDNA-analysmetoden användes för att analysera floran.

1.2 Försökspersoner (inklusive inklusions- och uteslutningskriterier) En tvärsnittsstudie genomfördes på Peking University First Hospital. CAG-patienter som genomgick övre gastrointestinala endoskopi och som patologiskt diagnostiserades som PLGC valdes ut som försökspersoner. Enligt köns- och åldersmatchning bekräftades kontrollgruppen genom gastroskopi som icke-PLGC CAG-patienter. Alla deltagare informerades om målen, procedurerna, potentiella risker och fördelar med studien och undertecknade sedan ett samtyckesformulär.

Diagnostiska kriterier: Gastroskopi och patologiska diagnostiska kriterier för kronisk gastrit fastställdes i enlighet med "Kinesisk konsensus om kronisk gastrit (2017, Shanghai)" och "Konsensus om integrerad traditionell kinesisk och västerländsk medicindiagnostik och behandling av kronisk atrofisk gastrit (2017)".

Inklusionskriterier :

(1) Endoskopi av övre mag-tarmkanalen utfördes inom 3 månader; (2) Patienter med kronisk atrofisk gastrit diagnostiserad genom gastroskopi och patologisk undersökning; (3) Ålder 40-70 år, obegränsat kön; (4) gick med på att samla in tungbild och acceptera uppföljning; ( 5 ) Frivilligt att delta i denna studie och undertecknat informerat samtycke.

Exklusions kriterier :

(1) de som inte kan samarbeta med standardiserad tungbildsinsamling och datainsamling; (2) patienter med tungskrapning, tungfärgning eller onormal tungextension; (3) Misstänkt maligna magtendens eller gastrisk tumör och historia av gastrisk operation; (4) har hepatit, syfilis, HIV, schistosomiasis och andra kända infektionssjukdomar; (5) patienter med allvarliga hjärt-, lever-, njur-, blodsjukdomar och maligna tumörer; (6) Kombinerat med akut luftvägsinfektion, aktivt magsår och andra akuta sjukdomar; (7) Patienter som använt antibiotika, syrahämmare och mikroekologiska regulatorer inom 1 månad; (8) långvarig användning av immunsuppressiva medel, hormoner och andra droger; ( 9 ) gravida eller ammande kvinnor. 1.3 Observationsindikatorer och uppföljningsplan

1.Observationsindikatorer 1.1 Korrelation mellan tungans bildegenskaper och PLGC Analys av tungans färg (blek tunga, rosa tunga, röd tunga, lavendeltunga, ekkymostunga) och tungans form (tandtryckt tunga, stickande tunga, tunga, tunga, fissuret fett och tunn tunga) hos PLGC-patienter och PLGC-korrelation; 2.

2 Analys av tungbeläggningsegenskaper: Korrelationen mellan tungbeläggningskvalitet (tjock och tunn beläggning, fet beläggning, ruttet beläggning, skalande beläggning) och beläggningsfärg (vit och gul) och PLGC hos PLGC-patienter analyserades.

Analys av sublinguala kollateraler: Enligt de diagnostiska kriterierna för gradering av sublinguala kollateraler beskrevs de sublinguala kollateralerna enligt längden, bredd (tjocklek), tortuositet och färg på sublinguala kollateraler, och korrelationen med de patologiska förändringarna av PLGC analyserades.

Analys av tungfärg och tungbeläggningsfärgparametrar: RGB, HIS och Lab färgrymdstyper användes för att analysera RGB, Lab och HSV färgrymdsindex för hela tungan och mittendelen (motsvarande mjälte- och magpartitionen) av PLGC patienter. Bland dem representerar R det röda värdet, G representerar det gröna värdet, B representerar det blå värdet, H representerar nyansen, S representerar färgmättnaden, I representerar ljusstyrkan, L representerar ljusstyrkan, a representerar den rödgröna axeln, b representerar den gulblå axeln.

1.2 Korrelation mellan tungbeläggningsflora och PLGC

1. α-diversitetsanalys: Den mikrobiella gemenskapsmångfalden mellan olika grupper jämfördes med α-diversitetsanalys.
2. β-diversitetsanalys: Genom β-analys undersöktes skillnaderna i samhällsstruktur mellan olika grupper och nyckelfloran undersöktes.
3. Artsammansättningsanalys : Skillnaderna i florasammansättning mellan grupper jämfördes på fylumnivå och genusnivå för att hitta karakteristisk flora.

Genom art- och funktionsbidragsanalys, regressionsanalys och korrespondensanalys förutspåddes funktionen av mikrobiell sammansättning hitta funktionen hos karakteristisk flora.

1.3 Konstruktion av PLGC-riskprediktionsmodell baserad på tungbildsegenskaper Univariat villkorlig Logistisk regressionsanalys utfördes på faktorerna med statistisk signifikans genom t-test och χ2-test. PLGC användes som utfallsvariabel för att beräkna oddskvoten (OR) och 95 % konfidensintervall för varje faktor. Med αin = 0,05, αout = 0,1, infördes ovanstående variabler i logistisk multivariatanalys för att sålla bort riskfaktorerna relaterade till PLGC, och en riskprediktionsmodell etablerades. Kurvan för mottagarens funktionskarakteristik (ROC) användes för att representera förmågan hos prediktionsmodellen att särskilja. Modellens godhet och förutsägelsenoggrannhet utvärderades av Hosmer-Lemeshow god passform, Pseudo R-kvadrat och area under kurvan (AUC).

2. Uppföljningsplan Uppföljning: patienter som diagnostiserats med svår atrofisk gastrit, eller svår tarmmetaplasi, eller låggradig intraepitelial neoplasi, bör följas upp minst en gång per år; Patienter med höggradig intraepitelial neoplasi som vägrat behandling bör följas upp var sjätte månad. Svårighetsgraden av CAG bedömdes av OLGA-systemet (atrofi) eller OLGIM-systemet (tarmmetaplasi). Uppföljning utfördes genom endoskopisk jodfärgning, indikativ biopsi och patologisk diagnos. Uppföljningsfrekvensen var > 70 %.

1.4 Grund för att bestämma urvalsstorleken Enligt kraven för expertkonsultation, litteraturgenomgång och modellering av djupinlärning beräknades urvalsstorleken genom att använda den empiriska metoden att urvalsstorleken var mer än 10 gånger antalet oberoende variabler ( 20 oberoende variabler ). Dessutom fann den tidigare förundersökningen att incidensen av PLGC hos CAG-patienter på avdelningen för denna studie förväntades vara 50 %. Med tanke på utsläppshastigheten på 10 % var den minsta provstorleken för CAG i denna studie 500 fall. Denna studie förväntas omfatta 500 CAG-patienter. I den logistiska regressionsmodellen är antalsförhållandet mellan träningsgruppen och testgruppen 7 : 3, och urvalsstorleken för träningsgruppen är satt till 350 fall, så provstorleken för testgruppen bör inte vara mindre än 150 fall.

1.5 Statistisk analysmetod SPSS 25.0 programvara användes för att analysera data från denna studie. Mätdata som överensstämde med normalfördelningen uttrycktes som medel ± standardavvikelse (x ± s), och t-testet användes för jämförelse mellan grupper. Mätdata som inte överensstämde med normalfördelningen uttrycktes som M (P25, P75), och det icke-parametriska testet användes för jämförelse mellan de två grupperna. Uppräkningsdata uttrycktes som (%), och chi-kvadrattest (χ2) användes för jämförelse mellan grupper. P < 0,05 indikerade att skillnaden var statistiskt signifikant. Metoderna som används vid modellkonstruktion inkluderar linjär regression, logistisk regression ( nomogram ), Cox-regression ( nomogram ) och Lasso-regression ( screeningvariabler ). Utvärdering av prediktionsmodell: 1 Diskriminering: ROC-kurvan ritades med hjälp av den anpassade logistiska regressionsmodellen för att erhålla AUC-värdet för ROC-kurvan och utvärdera diskrimineringen. 2 Kalibrering: Kalibreringen utvärderades med Hosmer-Lemeshows godhet-of-fit-test. Om P < 0,05 ansågs modellen vara dåligt anpassad. Om P > 0,05, föreslås det att modellen passar bra i valideringen av den nya datamängden.3 Klinisk effektivitet: Modellens kliniska effektivitet utvärderades med Decision Curve Decision Curve Analysis (DCA).

1.6 Datainsamling och hantering Datainmatning och hantering är dataadministratörens ansvar. Dataadministratören sammanställer databasen och använder programvaran Epidata för inmatning och hantering av data. Två dataadministratörer utför oberoende dubbelinmatning och korrekturläsning. Efter att den etablerade databasen har fastställts låses databasen av huvudforskarna, statistiska analytiker och datahanterare, och slutligen bestäms analysdatabasen.