Diagnostic Performance of International Ovarian Tumor Analysis Logistic Regression Model LR2 for Adnexal Masses Classification at a Tertiary Gynecology Center in Singapore
Notice bibliographique
Résumé
Background: The International Ovarian Tumor Analysis (IOTA) LR2 model has been shown to provide a reasonably accurate preoperative classification of ovarian tumors. The purpose of this study was to evaluate the diagnostic performance of the IOTA LR2 model in distinguishing benign and malignant adnexal masses in the Singapore population. Methods: This was a retrospective study in a tertiary referral center. Women who attended the Gynecology Unit at Singapore General Hospital with evidence of adnexal tumor on ultrasound examination were evaluated using the IOTA LR2 protocol. The LR2 model was then used to calculate the probability of malignancy. Likelihood ratio of malignancy greater than 10% classifies the mass as malignant. The preoperative diagnosis of women who underwent surgery within 120 days of ultrasound examination was correlated with the final histopathological result. Results: Of the 353 women included in the final study population, 223 had benign disease, 29 had borderline malignant, and 101 had invasive cancer. The IOTA LR2 model had a sensitivity of 79.2% (95% confidence interval (CI), 71.2-85.8%) and a specificity of 79.4% (95% CI, 73.5-84.5%). The area under the receiver-operating characteristics curve was 0.84 (95% CI, 0.80 - 0.89). Conclusions: The IOTA LR2 model maintained its overall diagnostic accuracy when used in our local population. Although it is useful as a first-step test for triaging women with ovarian masses for surgery, a second-stage test would be required to minimize the number of women with benign disease being offered surgery for suspected ovarian malignancy. J Clin Gynecol Obstet. 2021;10(3):67-72 doi: https://doi.org/10.14740/jcgo758
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».