来源：期刊VIP网 时间：
作者：车京爱;田静飞;苗晓亮;宋晓娇;蒋静华;胡娟;宿丽丽;朱彦秋;
单位：梅河口市中心医院呼吸与危重症医学科;
摘要：目的 以呼出气一氧化氮(FeNO)及免疫球蛋白(Ig)E为基础构建慢性咳嗽病因鉴别的简单决策树模型。方法 回顾性收集梅河口市中心医院2021年1月至2024年2月就诊且进行FeNO、IgE检查的具有明确慢性咳嗽病因患者病例资料，依据病因分类分为激素敏感性咳嗽(CRC)组171例、上气道咳嗽综合征(UACS)组104例、胃食管反流性咳嗽(GERC)组，收集患者人口学资料、临床表现、FeNO、IgE水平，采用单因素、多因素Logistic回归确定慢性咳嗽病因的危险因素，分析并构建慢性咳嗽病因鉴别的简单决策树模型。结果 通过单因素及多因素Logistic回归分析，咳嗽持续时间、日间咳嗽症状积分、1 s用力呼气容积(FVC)、FeNO及IgE是CRC的独立影响因素(P<0.05);咳嗽持续时间、日间咳嗽症状积分、用力肺活量(FVC)、FeNO、IgE是UACS的独立影响因素(P<0.05);年龄、FeNO、IgE是GERC的独立影响因素(P<0.05)。FeNO和IgE属于不同病因慢性咳嗽的共同影响因素。FeNO在CRC诊断中AUC为0.932,敏感度99.42%,特异性75.16%;IgE在CRC诊断中AUC为0.943,敏感度83.04%,特异性99.36%。在UACS诊断中，FeNO效能较低，曲线下面积(AUC)为0.723;IgE表现更好，AUC为0.767。在GERC诊断中，FeNO显示出极高效能，AUC为0.989;IgE也表现良好，AUC为0.889。通过分类回归树(CRT)生长法构建的决策树模型，根节点依据FeNO界值28.200辨别CRC,各根节点准确度分别为83.6%、86.5%和98.1%,估算值为0.131,标准误差为0.019。该模型有效区分CRC、UACS和GERC患者，其中FeNO和IgE作为关键生物标志物，在不同病因的诊断中发挥重要作用。结论 构建了一个基于FeNO和IgE的简单决策树模型，有效鉴别慢性咳嗽的不同病因。这一模型在CRC和GERC的诊断中显示出高敏感度和特异性，而在UACS中IgE表现更优。
关键词：呼出气一氧化氮;;免疫球蛋白E;;慢性咳嗽;;简单决策树模型
