Evaluation of Cystic and Solid Renal Lesions with Contrast-Enhanced Ultrasound: A Retrospective Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Purpose Renal lesions are frequent random findings on CT, MRI, and conventional ultrasound. Since they are usually found accidentally, the respective examinations have not been performed optimally to provide a conclusive diagnosis, making additional multiphase contrast-enhanced examinations necessary. The aim of the study is to correlate CEUS findings with the final diagnosis and to determine whether it is a suitable method for the conclusive characterization of undetermined renal lesions. Materials and Methods All CEUS examinations of focal renal lesions performed at our institute between 2007 and 2014 were retrospectively examined. 437 patients with a total of 491 lesions and 543 examinations were included. 54 patients had bilateral lesions. One patient had three lesions in one kidney. Histology was available in 49 cases and follow-ups in 124 cases. The sensitivity, specificity, positive and negative predictive value as well as positive and negative likelihood ratios were calculated. Results There were 54 malignant and 437 benign lesions. The sensitivity and specificity were 0.981/0.954 overall, 1.000/0.956 for cystic lesions, 0.977/0.906 for solid lesions, and 0.971/0.071 for the histologically confirmed lesions. Bosniak classification was consistent in 289 of 301 lesions (96%). Only 12 lesions (3.9%) were falsely assessed as malignant. Conclusion CEUS is an appropriate method for the clarification of undetermined renal lesions. The characterization of cystic lesions according to Bosniak is adequately possible, especially for potentially malignant lesions (types III and IV).
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle