目的探索使用微生物组学技术和机器学习的方法构建咽喉反流(laryngopharyngeal reflux,LPR)唾液菌群诊断模型的可能性。方法以2022年2~11月就诊的经8周质子泵抑制剂治疗显效的34例LPR患者为病例组,与病例组年龄、性别和体重指数相匹配的47例健康志愿者为对照组,留取用药前的唾液标本,提取DNA,扩增16S片段后进行测序,对测序结果进行生物学信息分析,比较菌属水平物种差异。选择病例组24例、对照组33例作为训练集,其余作为测试集,随机森林法分类数据,进行十折交叉验证,选择最优菌属组合构建诊断模型,计算疾病概率指数(probability of disease,POD),绘制ROC曲线,使用SPSS 18.0软件对数据进行统计学分析。结果病例组和对照组相比,唾液中22个属相对丰度存在统计学差异(P<0.05),构建由6个菌属组成的诊断模型,即乳酸杆菌属、芽孢杆菌属、新鞘氨醇杆菌属、假交替单胞菌属、罗尔斯通菌属和Phocaeicola属,测试集ROC曲线下面积为0.843,诊断模型灵敏度为60.0%,特异度为87.71%,Kappa值为0.470。结论由唾液菌群构建的菌属组合诊断模型可以区分LPR患者与健康人,具有潜在的临床应用价值。
目的研究24 h咽喉反流事件发生的时间点分布特征。方法回顾性分析2013年1月至2020年3月在解放军总医院第六医学中心耳鼻咽喉头颈外科医学部就诊的408例患者[男339例,女69例,年龄23~84(55.08±11.08)岁]的24 h腔内多通道阻抗pH监测(24 h MII-pH)数据,分析气体酸/弱酸反流、气液混合酸/弱酸反流、液体酸/弱酸反流和碱反流事件在不同时间点的发生次数,采用SPSS 26.0软件进行统计学分析。结果基于24 h MII-pH,咽喉反流(LPR)阳性率为77.45%(316/408),气体弱酸反流阳性率显著高于其他类型的反流事件(χ^(2)=297.12,P<0.001)。除气体弱酸反流以外,其余类型反流事件的发生率均呈现餐后升高的趋势,尤其在晚餐后更明显。液体酸反流事件主要发生在晚餐后到次日晨起期间,其中47.11%(57/121)发生在晚餐后3 h内。反流症状量表评分与气体弱酸反流(r=0.127,P<0.01)、液体酸反流(r=0.205,P<0.01)和液体弱酸反流(r=0.103,P<0.05)事件之间有显著正相关关系。结论除气体弱酸反流以外,其余类型反流事件的发生率均呈现餐后升高的趋势,尤其在晚餐后更明显。气体弱酸反流在反流事件中的占比最大,其致病机制还需要进一步探索。
暂无评论