首頁 資訊 非哺乳期乳腺炎的診斷和治療臨床實踐指南(2021)

非哺乳期乳腺炎的診斷和治療臨床實踐指南(2021)

來源:泰然健康網(wǎng) 時間:2024年12月02日 20:54

1、非哺乳期乳腺炎的定義

非哺乳期乳腺炎(NPM)是指發(fā)生在女性非哺乳期的一組病因不明的良性乳房疾病。NPM的主要病理類型是導管周圍乳腺炎(PDM)和肉芽腫性小葉乳腺炎(GLM)。NPM的主要臨床表現(xiàn)是乳房腫塊和乳房膿腫,在疾病終末期可形成乳腺瘺管、竇道或者潰瘍,經(jīng)久不愈。NPM的自然病程約為9-12個月,而且經(jīng)常復發(fā)。目前還沒有標準的治療方法。

2、非哺乳期乳腺炎的診斷檢查方法

對NPM患者的全面評估,主要結(jié)合臨床表現(xiàn)、輔助檢查和組織病理學進行綜合分析,在排除乳腺結(jié)核和特殊肉芽腫病變的基礎(chǔ)上作出診斷。專家組建議將乳腺超聲作為疑似NPM患者的首選影像學檢查方法,可用于評估病變的特征以及任何膿腫的數(shù)量和范圍。目前的有限研究還難以有效評估乳腺X線攝影檢查在診斷NPM方面的價值。乳房磁共振成像具有更大的特異性。彌散加權(quán)成像可能有助于區(qū)分PDM和GLM;然而,由于沒有證據(jù)表明核磁共振成像可以幫助診斷NPM,專家組不建議將磁共振成像作為NPM的常規(guī)檢查項目。

3、非哺乳期乳腺炎的臨床表現(xiàn)

PDM和GLM的臨床表現(xiàn)相似,但治療和預后不同。專家組建議通過標本病理檢查來診斷NPM,并認為空芯針穿刺活檢是獲得所需組織的最佳手段。對于接受切開引流的病人,也可以從膿腔壁上取標本。由于細針穿刺細胞學檢查抽吸得到的組織量很少,專家組不建議將其作為一種針對NPM患者的常規(guī)病理檢查手段。

4、非哺乳期乳腺炎的治療

(1)皮質(zhì)類固醇在治療GLM中的作用最近受到越來越多的關(guān)注?;仡櫺匝芯匡@示,口服類固醇治療對72%-86%的病例有效,同側(cè)復發(fā)率為4%,對側(cè)復發(fā)率為0.97%。一項薈萃分析顯示,藥物治療和手術(shù)治療后GLM的復發(fā)率相似。然而,藥物治療帶來的創(chuàng)傷較小;因此,專家小組認為,可以優(yōu)先為GLM患者提供口服類固醇治療。

(2)手術(shù)治療能夠提供準確的病理診斷和切除受累組織。研究表明,手術(shù)對79%~91.7%的病例有效,復發(fā)率為1%~50%。手術(shù)并發(fā)癥包括切口延遲愈合、美學效果差、乳房瘺管形成、乳頭回縮、皮瓣壞、血腫、持續(xù)感染和疼痛。

(3)經(jīng)病理證實有PDM和竇道形成的患者可能存在非結(jié)核性霉菌感染。據(jù)報道,在這種情況下,9-12個月的抗霉菌治療是有效。鑒于缺乏有關(guān)PDM病因的確切證據(jù),專家小組建議從疑似NPM患者中采集標本進行顯微鏡檢查和細菌培養(yǎng)。條件允許下,應使用DNA測序確定致病菌。專家組認為,對于PDM患者,應根據(jù)疾病臨床階段和患者類型來選擇一般的外科治療,特別是具體的手術(shù)。適宜的手術(shù)時機很重要。應謹慎決定是否進行乳房切除術(shù)。

(4)當乳腺膿腫形成時,引流是主要的治療手段。膿液可以通過超聲引導下的穿刺或切開膿腫進行引流。缺乏高水平證據(jù)時,專家組認為小于3cm的單發(fā)膿腫應通過超聲引導下的穿刺引流。此外對于較大的(臨床上大于3cm)、多發(fā)的或長期存在的膿腫,應考慮手術(shù)切開引流作為一線治療。#關(guān)注乳腺健康#

Zhou F, Shang XC, Tian XS, Yu ZG; Chinese Society of Breast Surgery. Clinical practice guidelines for diagnosis and treatment of patients with non-puerperal mastitis: Chinese Society of Breast Surgery (CSBrS) practice guideline 2021. Chin Med J (Engl). 2021;134(15):1765-1767.

相關(guān)知識

中國哺乳期乳腺炎診治指南(上)
哺乳期乳腺炎診療指南.docx
哺乳期指南
中國哺乳期乳腺炎診治指南(下)
非哺乳期乳腺炎
哺乳指南
非哺乳期乳腺炎治理
非哺乳期乳腺炎可以自愈嗎?
哺乳期乳腺炎
如意金黃散 乳腺炎?化膿性乳腺炎的治療?哺乳期急性乳腺炎的防治

網(wǎng)址: 非哺乳期乳腺炎的診斷和治療臨床實踐指南(2021) http://m.u1s5d6.cn/newsview218652.html

推薦資訊