The Utility of Multidetector Computed Tomography for Detection of Parathyroid Disease in the Setting of Primary Hyperparathyroidism
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to evaluate the accuracy of multidetector computed tomography (MDCT) in the detection of parathyroid adenoma and hyperplasia in the setting of primary hyperparathyroidism. METHODS: Records of 48 patients with biochemically confirmed primary hyperparathyroidism, who underwent preoperative imaging with 16- or 64-slice contrast-enhanced MDCT and subsequent successful parathyroidectomy over a 3-year period, were reviewed. Two radiologists, blinded to the operative and histologic findings, independently evaluated multiplanar computed tomographic images for all patients. RESULTS: On pathologic examination, 63 abnormal glands were confirmed in 41 female and 7 male patients (mean age, 63 years). Of the 63 abnormal glands, 40 were adenomatous and 23 were hyperplastic. MDCT demonstrated an 88% (95% confidence interval [CI], 77%-99%) positive predictive value for localizing abnormal hyperfunctioning parathyroid glands. The sensitivity of MDCT in detecting single-gland disease was 80% (95% CI, 68%-92%); whereas the specificity for ruling out hyperfunctioning parathyroid tissue, either adenomatous or hyperplastic, was 75% (95% CI, 51%-99%). The sensitivity for exclusively localizing parathyroid hyperplasia was 17% (95% CI, 2%-33%). The parathyroid adenomas were substantially larger and heavier than their hyperplastic counterparts, with an average weight of 1.51 g (range, 0.08-6.00 g) and 0.42 g (range, 0.02-2.0 g) for adenoma and hyperplasia, respectively. CONCLUSIONS: Contrast-enhanced MDCT demonstrated an 88% positive predictive value for localizing adenomatous and hyperplastic parathyroid glands. The poor sensitivity for detection of multigland disease was likely a result of the smaller size and weight of the abnormal hyperplastic glands.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».