汪可可，张晓雅，高涵，王国立，周莹，袁欣，王倩，曹英志，宋宇，武建辉

    本研究背景及创新点：

    低增生性骨髓增生异常综合征(hypo-MDS)是骨髓增生异常综合征(MDS)的特殊类型或者中间变化过程，占MDS的10%～38%，与再生障碍性贫血(AA)均能表现为贫血、外周血细胞计数减少和骨髓象增生减低，就诊初期常较难鉴别，容易发生误诊，尤其是把hypo-MDS错误诊断为AA。然而，hypo-MDS与AA治疗方案不同，并且有向白血病转化的高风险。因此，探索有效的鉴别诊断方法具有重大临床意义。作为经典的分类模型，Logistic回归模型已经从危险因素分析与预测拓展到疾病的鉴别诊断领域。本研究综合外周血、骨髓细胞免疫表型、髓片骨髓细胞所占比例及外周血流式细胞术检测指标等目前常用的hypo-MDS和AA鉴别诊断指标，进行多方面多层次的分析研究，建立hypo-MDS和AA鉴别诊断的Logistic回归模型，期望利用临床数据挖掘方法探索两者间的鉴别诊断要点，为缺乏临床经验的青年医生提供关于两种疾病的鉴别诊断依据，从而提高疾病诊断的准确率，减轻患者的痛苦与负担。

    骨髓增生异常综合征(myelodysplastic syndromes，MDS)是起源于造血干细胞的一组异质性髓系克隆性疾病[1]，骨髓增生程度低下者，即为低增生性骨髓增生异常综合征(hypo-MDS)[2]；再生障碍性贫血(aplastic anemia，AA)是T淋巴细胞功能亢进、通过免疫介导引起造血干/祖细胞过度凋亡的骨髓衰竭综合征[3]。两种疾病表型相近且诊断标准相似，但治疗方案与预后差别较大，一旦误诊，将错过疾病治疗的最佳时期，降低临床疗效与影响患者预后。因此，研究两种疾病鉴别诊断方法具有重要的临床意义。Logistic回归模型作为一种经典的分类算法，已被广泛应用于危险因素分析与疾病预测等领域，是医药卫生领域研究常用的统计分析方法。本研究通过收集中国医学科学院血液病医院确诊的hypo-MDS和AA患者的病历资料，应用Logistic回归分析建立两种疾病鉴别诊断模型，为两种疾病的鉴别诊断提供新的思路与方法。

    1 对象与方法

    1.1 研究对象 选取2010—2016年中国医学科学院血液病医院确诊为hypo-MDS或AA的患者。

    1.2 纳入与排除标准 研究对象为初次诊断为hypo-MDS或AA的患者，诊断均符合《血液病诊断及疗效标准》[4]，hypo-MDS患者还需满足60岁及以下者血细胞比容低于30%，或60岁以上者血细胞比容低于20%；排除资料不完整、肝肾功能异常或患有其他血液疾病的患者[5] ......