Diagnostic Performance of Ovarian Morphology on Ultrasonography across Anovulatory Conditions—Impact of Body Mass Index
Notice bibliographique
Résumé
The study objectives were to determine whether ovarian morphology can distinguish between women with regular menstrual cycles, normo-androgenic anovulation (NA-Anov), and PCOS and whether body mass index (BMI)-specific thresholds improved diagnostic potential. Women with PCOS (biochemical and/or clinical hyperandrogenism and irregular cycles; N = 66), NA-Anov (irregular cycles without clinical and/or biochemical hyperandrogenism; N = 64), or regular cycles (controls; cycles every 21–35 days in the absence of clinical or biochemical hyperandrogenism; N = 51) were evaluated. Participants underwent a reproductive history, physical exam, transvaginal ultrasound, and a fasting blood sample. Linear regression analyses were used to assess the impact of BMI on ovarian morphology across groups. The diagnostic performance of ovarian morphology for anovulatory conditions, and by BMI (lean: <25 kg/m2; overweight: ≥25 kg/m2), was tested using Receiver Operating Characteristic (ROC) curves. Follicle number per ovary (FNPO) and ovarian volume (OV), but not follicle number per cross-section (FNPS), increased across controls, NA-Anov, and PCOS. Overall, FNPO had the best diagnostic performance for PCOS versus controls (AUCROC = 0.815) and NA-Anov and controls (AUCROC = 0.704), and OV to differentiate between PCOS and NA-Anov (AUCROC = 0.698). In lean women, FNPO best differentiated between PCOS and controls (AUCROC = 0.843) and PCOS versus NA-Anov (AUCROC = 0.710). FNPS better distinguished between NA-Anov and controls (AUCROC = 0.687), although diagnostic performance was lower than when thresholds were generated using all participants. In women with overweight and obesity, OV persisted as the best diagnostic feature across all analyses (PCOS versus control, AUCROC = 0.885; PCOS versus NA-Anov, AUCROC = 0.673; NA-Anov versus controls, AUCROC = 0.754). Ovarian morphology holds diagnostic potential to distinguish between NA-Anov and PCOS, with marginal differences in diagnostic potential when participants were stratified by BMI suggesting that follicle number may provide better diagnostic performance in lean women and ovarian size in those with overweight.
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 | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».