MétaCan
Menu
Retour à la cohorte
Enregistrement W3212257223 · doi:10.1148/radiol.2021211244

CT/MRI and CEUS LI-RADS Major Features Association with Hepatocellular Carcinoma: Individual Patient Data Meta-Analysis

2021· review· en· W3212257223 sur OpenAlexafffund
Christian B. van der Pol, Matthew D. F. McInnes, Jean‐Paul Salameh, Brooke Levis, Victoria Chernyak, Claude B. Sirlin, Mustafa R. Bashir, Brian C. Allen, Lauren M. Burke, Jin‐Young Choi, Sang Hyun Choi, Alejandro Forner, Tyler J. Fraum, Alice Giamperoli, Hanyu Jiang, Ijin Joo, Zhen Kang, Andrea S. Kierans, Hyo‐Jin Kang, Gaurav Khatri, Jung Hoon Kim, Myeong‐Jin Kim, So Yeon Kim, Yeun‐Yoon Kim, Heejin Kwon, Jeong Min Lee, Sara Lewis, Katrina McGinty, Lorenzo Mulazzani, Mi‐Suk Park, Fabio Piscaglia, Joanna Podgórska, Caecilia S. Reiner, Maxime Ronot, Grzegorz Rosiak, Bin Song, Ji Soo Song, An Tang, Eleonora Terzi, Jin Wang, Wei Wang, Stephanie R. Wilson, Takeshi Yokoo

Notice bibliographique

RevueRadiology · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueHepatocellular Carcinoma Treatment and Prognosis
Établissements canadiensUniversity of CalgaryCentre Hospitalier de l’Université de MontréalQueen's UniversityFoothills Medical CentreUniversity of Ottawa
Organismes subventionnairesFonds de Recherche du Québec - SantéSichuan Province Science and Technology Support Program
Mots-clésMedicineHepatocellular carcinomaRadiologyOdds ratioLogistic regressionMeta-analysisDiagnostic odds ratioConfidence intervalCochrane LibraryMEDLINENuclear medicineDiagnostic accuracyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background The Liver Imaging Reporting and Data System (LI-RADS) assigns a risk category for hepatocellular carcinoma (HCC) to imaging observations. Establishing the contributions of major features can inform the diagnostic algorithm. Purpose To perform a systematic review and individual patient data meta-analysis to establish the probability of HCC for each LI-RADS major feature using CT/MRI and contrast-enhanced US (CEUS) LI-RADS in patients at high risk for HCC. Materials and Methods Multiple databases (MEDLINE, Embase, Cochrane Central Register of Controlled Trials, and Scopus) were searched for studies from January 2014 to September 2019 that evaluated the accuracy of CT, MRI, and CEUS for HCC detection using LI-RADS (CT/MRI LI-RADS, versions 2014, 2017, and 2018; CEUS LI-RADS, versions 2016 and 2017). Data were centralized. Clustering was addressed at the study and patient levels using mixed models. Adjusted odds ratios (ORs) with 95% CIs were determined for each major feature using multivariable stepwise logistic regression. Risk of bias was assessed using Quality Assessment of Diagnostic Accuracy Studies 2 (QUADAS-2) (PROSPERO protocol: CRD42020164486). Results A total of 32 studies were included, with 1170 CT observations, 3341 MRI observations, and 853 CEUS observations. At multivariable analysis of CT/MRI LI-RADS, all major features were associated with HCC, except threshold growth (OR, 1.6; 95% CI: 0.8, 3.4; P = .19). Nonperipheral washout (OR, 13.2; 95% CI: 9.0, 19.2; P = .01) and nonrim arterial phase hyperenhancement (APHE) (OR, 10.3; 95% CI: 6.7, 15.6; P = .01) had stronger associations with HCC than enhancing capsule (OR, 2.4; 95% CI: 1.7, 3.5; P = .03). On CEUS images, APHE (OR, 7.3; 95% CI: 4.6, 11.5; P = .01), late and mild washout (OR, 4.1; 95% CI: 2.6, 6.6; P = .01), and size of at least 20 mm (OR, 1.6; 95% CI: 1.04, 2.5; P = .04) were associated with HCC. Twenty-five studies (78%) had high risk of bias due to reporting ambiguity or study design flaws. Conclusion Most Liver Imaging Reporting and Data System major features had different independent associations with hepatocellular carcinoma; for CT/MRI, arterial phase hyperenhancement and washout had the strongest associations, whereas threshold growth had no association. © RSNA, 2021 Online supplemental material is available for this article. An earlier incorrect version appeared online. This article was corrected on February 2, 2023.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,413
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,181
Tête enseignante GPT0,317
Écart entre enseignants0,136 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations94
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetHepatocellular Carcinoma Treatment and PrognosisTravaux en français237 207