儿童骨龄与各股骨头发育等级的关系研究

儿童骨龄与各股骨头发育等级的关系研究

儿童科学上重建的年龄用于诊断和治疗因生长发育延迟而导致的高等和判定大豆功能障碍。骨龄评估能较准确地反映个体的生长发育水平和成熟程度。通过骨龄还可预测儿童的成年身高,骨龄的测定还对一些儿科内分泌疾病的诊断有很大帮助。现今人们多采用拍摄人左手手腕部的X光片(见图1)进行骨骼成熟测量和评价,医生通过X光片观察左手掌指骨、腕骨等骨化中心的发育程度,来确定骨龄。1997年,Tanner等根据欧洲儿童生长发育的长期趋势,以美国德克萨斯州体斯敦的欧洲后裔儿童为样本,制订了美国北方儿童的TW-RUS骨龄评价标准,称为US90标准。2001年,Tanner等又以原英国部分儿童、美国德克萨斯州儿童、西班牙儿童为样本,制订了新的骨龄标准和评价图表,称为TW3方法,是目前国际上最广泛承认并通用的骨龄评估方法。该方法取左手腕正位片20块手腕骨,将各骨头按不同发育等级分为8~9期,赋予不同分值。这20块手腕骨分别为:桡骨、尺骨、掌骨Ⅰ、掌骨Ⅲ、掌骨Ⅴ,近指骨Ⅰ、近指骨Ⅲ、近指骨Ⅴ,中指骨Ⅲ、中指骨Ⅴ,远指骨Ⅰ、远指骨Ⅲ、远指骨Ⅴ,头状骨、钩骨、三角骨、月骨、舟骨、大多骨、小多骨。通过检定这20种骨头的发育等级,进而推断出人体的骨龄。因此,建立人体年龄与这20种骨头发育的线性关系是一项非常重要的工作。文章应用多线性回归模型来预测骨龄与骨头之间发育的线性关系。通过对大量的样本数据作回归分析,以定量的分析方法揭示各参数之间的相关性和数量关系。希望通过多元线性回归模型精确预测骨龄与各骨头之间的线性关系,建立等级系数,从而能准确的评估骨龄。现报告如下。1数据和方法1.1研究样本及方法选取2005年~2010年在我院门诊就诊的100例患儿,年龄7~16岁,均为发育正常的女性。将其分成两组,每组为50例。其中一组作为计算多元线性回归模型的数据来源,另一组作为预测t检验数据。每位患儿均在我院放射科拍摄左手正位片(包括腕部),进行TW3骨龄评估。由临床经验丰富的医生评估各骨头的发育等级,建立了样本发育等级矩阵表。其中记Y表示年龄,Xi(i=1,2,……,20)表示各骨头发育等级。1.2多元线性回归分析多元线性回归分析是根据观测样本估计模型中的各个参数,对估计参数及回归方程进行统计检验,从而利用回归模型进行规模预测和分析。则多元线性回归方程为:Yi=β0+β1Xi1+……+β20Xi20,其中Yi和Xij(j=1,2,……,20)都是可观测变量,其中βi(i=0,1,2,……,20)为参数估计。利用SPSS求多元线性回归方程。操作过程:选Analyze菜单的Regression中的Linear过程,弹出对话框,其中Dependen(因变量)中只能选入1个变量,选入“Y”:Independent(自变量)中可选入20个变量,选入“Xi(i=1,2,……,20)”:Method:Enter(回归分析方法)中有5种方法可供选择,选择默认的Enter,其他设置按系统默认;最后确认。其中得到结果见表1~2。由SPSS计算所得到的相关参数βi(i=0,1,2,……,20)分别为:3.065、0.203、0.100、0.064、0.172、0.243、0.153、0.021、-0.035、-0.096、-0.206、-0.061、-0.001、0.059、0.189、0.282、0.165、0.139、-0.011、-0.004、0.069。所求得的多元线性回归方程为:Y=3.065+0.203X1+……+0.069X201.3回归模型预测模型的验证通过多元线性回归模型已经建立人体年龄与这20种骨头发育之间的线性关系。下面用多元线性回归模型对另外一组50例样本进行骨龄预测,并通过配对t检验来分析该多元线性回归模型的可信度。操作过程:选Analyze菜单的Comparemean中的Paired-SamplesTTest,将实际年龄和预测年龄选入检验对列框,确定就可以检验了。其中,配对样本相关性的结果中Correlation=0.996,Sig=0.000,而配对样本t检验的结果中t=0.000,Sig.(2-tailed)=1.000。2线性回归模型的应用从表1~2中可以看到,多元线性回归方程包含三个检验统计量:相关系数的平方R2,假设检验统计量F,与F对应的概率Sig分别为:0.992、191.630、0.000。利用检验统计量R、F、Sig的值来分析该模型是否可用。①相关系数R的评价,本例R的绝对值为0.996,表明线性相关性较强;②F检验法。F=191.630;Sig值检验。Sig=0.000,显然满足Sig<α=0.05。三种统计推断方法推断的结果是一致的,说明因变量与自变量之间显著的有线性相关关系,所得线性回归模型可用。配对t检验主要检验配对样本数据之间的相关性或显著性。从以上的几个结果Correlation为0.996,Sig为0.000,说明了配对样本数据之间存在很高的相关性。t值为0.000而Sig.(2-tailed)为1.000,这说明了配对样本数据之间差异无统计学意义(P>0.05),其配对值之间相当接近。从图2的数据折线图中可以看到,用多元线性回归模型预测出的骨龄与实际骨龄相当接近。也就是说用多元线性回归模型能准确预测儿童的骨龄。3预测和预测结果文章介绍了用多元线性回归模型来预测儿童的骨龄。通过建立正常儿童不同骨头的发