MétaCan
Menu
Retour à la cohorte
Enregistrement W4220916373 · doi:10.1148/radiol.211680

Multicenter Evaluation of Multiparametric MRI Clear Cell Likelihood Scores in Solid Indeterminate Small Renal Masses

2022· article· en· W4220916373 sur OpenAlexaff
Nicola Schieda, Matthew S. Davenport, Stuart G. Silverman, Barun Bagga, Daniel Barkmeier, Zane Blank, Nicole E. Curci, Ankur M. Doshi, Ryan T. Downey, Elizabeth Edney, Elon Granader, Isha Gujrathi, Rebecca Hibbert, Nicole Hindman, Cynthia Walsh, Tim Ramsay, Atul B. Shinagare, Iván Pedrosa

Notice bibliographique

RevueRadiology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicineClear cell renal cell carcinomaNuclear medicineLogistic regressionRenal cell carcinomaRadiologyMultiparametric MRIPredictive valuePathologyInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Background Solid small renal masses (SRMs) (≤4 cm) represent benign and malignant tumors. Among SRMs, clear cell renal cell carcinoma (ccRCC) is frequently aggressive. When compared with invasive percutaneous biopsies, the objective of the proposed clear cell likelihood score (ccLS) is to classify ccRCC noninvasively by using multiparametric MRI, but it lacks external validation. Purpose To evaluate the performance of and interobserver agreement for ccLS to diagnose ccRCC among solid SRMs. Materials and Methods This retrospective multicenter cross-sectional study included patients with consecutive solid (≥25% approximate volume enhancement) SRMs undergoing multiparametric MRI between December 2012 and December 2019 at five academic medical centers with histologic confirmation of diagnosis. Masses with macroscopic fat were excluded. After a 1.5-hour training session, two abdominal radiologists per center independently rendered a ccLS for 50 masses. The diagnostic performance for ccRCC was calculated using random-effects logistic regression modeling. The distribution of ccRCC by ccLS was tabulated. Interobserver agreement for ccLS was evaluated with the Fleiss κ statistic. Results A total of 241 patients (mean age, 60 years ± 13 [SD]; 174 men) with 250 solid SRMs were evaluated. The mean size was 25 mm ± 8 (range, 10–39 mm). Of the 250 SRMs, 119 (48%) were ccRCC. The sensitivity, specificity, and positive predictive value for the diagnosis of ccRCC when ccLS was 4 or higher were 75% (95% CI: 68, 81), 78% (72, 84), and 76% (69, 81), respectively. The negative predictive value of a ccLS of 2 or lower was 88% (95% CI: 81, 93). The percentages of ccRCC according to the ccLS were 6% (range, 0%–18%), 38% (range, 0%–100%), 32% (range, 18%–53%), 72% (range, 20%–100%), and 81% (range, 50%–100%) for ccLSs of 1–5, respectively. The mean interobserver agreement was moderate (κ = 0.58; 95% CI: 0.42, 0.75). Conclusion The clear cell likelihood score applied to multiparametric MRI had moderate interobserver agreement and differentiated clear cell renal cell carcinoma from other solid renal masses, with a negative predictive value of 88%. © RSNA, 2022 Online supplemental material is available for this article. See also the editorial by Mileto and Potretzke in this issue. An earlier incorrect version appeared online. This article was corrected on January 6, 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,039
Tête enseignante GPT0,301
Écart entre enseignants0,262 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations73
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetRenal cell carcinoma treatmentTravaux en français237 207