Peri‐Urethral and Anterior Vaginal Wall Masses: Does Radiological Imaging Change the Predicted Diagnosis?
Notice bibliographique
Résumé
INTRODUCTION: This study aims to determine the accuracy of radiological imaging compared with surgical pathology in patients with periurethral (PU) and anterior vaginal wall (AVW) lesions. METHODS: This study is a retrospective analysis of 126 women who underwent surgical treatment for PU and AVW masses between 2011 and 2020. Clinicopathological data were extracted along with radiological findings from medical records. The primary outcome was the diagnostic accuracy of preoperative imaging compared to the gold standard, pathological diagnosis. The secondary outcome was the rate of imaging correcting the clinical diagnosis. RESULTS: A total of 126 women with a median age of 42 underwent surgical treatment for PU and AVW masses. The most diagnoses were periurethral cysts (PUC) (52%) and urethral diverticulum (UD) (39%). Clinical diagnosis was accurate in 102 cases (81%) for the group of pathological diagnoses. Magnetic resonance imaging (MRI) and transvaginal ultrasound (TV US) were performed in 82 (65%) and 22 (17%) cases. The accuracy of MRI and TV US for the diagnosis of PU and AVW lesions was 76% and 82%, respectively. MRI and TV US corrected the clinical diagnosis in five (6%) and two (9%) cases, respectively. Voiding cystourethrography (VCUG) and double balloon urethrography (DBU), each performed in six (5%) cases, were accurate in four (67%) and three (50%) cases. No statistical difference was found for any imaging modality compared to clinical diagnosis. CONCLUSION: Clinical diagnosis based on pelvic and cystoscopy examinations was sufficient for diagnosing PU and AVW masses and was not significantly different from imaging diagnosis. Imaging may be helpful with preoperative surgical planning in selected cases.
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 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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».