Diagnostic Accuracy of Noninvasive Biomarkers and Imaging for Evaluating Postoperative Recurrence in Crohn’s Disease
Notice bibliographique
Résumé
BACKGROUND & AIMS: Colonoscopy is recommended to monitor for Crohn's disease (CD) recurrence after surgical resection. However, repeated colonoscopy is invasive and resource-intensive. We conducted a systematic review and meta-analysis to evaluate the pooled diagnostic accuracy of noninvasive biomarkers and imaging measures for detecting endoscopic CD recurrence, as compared with colonoscopy. METHODS: A systematic review was conducted to January 31, 2024, to identify studies evaluating the diagnostic accuracy of C-reactive protein (CRP), fecal calprotectin, computed tomography and magnetic resonance enterography, or intestinal ultrasound (IUS) compared with colonoscopy for detecting CD recurrence. Estimates of sensitivity, specificity, and positive and negative likelihood ratios were pooled using a random-effects hierarchical summary receiver operating characteristic model. RESULTS: A total of 17 studies (N = 1080) evaluated inflammatory biomarkers and 20 studies (N = 1053) assessed imaging measures. The pooled sensitivity and specificity of CRP (threshold, 5.0 mg/L) were 0.45 (95% confidence interval [CI], 0.33-0.58) and 0.83 (95% CI, 0.68-0.92), respectively. Fecal calprotectin (threshold, 50 μg/g) was moderately sensitive 0.76 (95% CI, 0.70-0.82) but less specific 0.66 (95% CI, 0.56-0.75). Sensitivity for computed tomography enterography/magnetic resonance enterography and IUS was 0.89 (95% CI, 0.73-0.96) and 0.92 (95% CI, 0.75-0.96); specificity was 0.65 (95% CI, 0.43-0.82) and 0.76 (95% CI, 0.52-0.90), respectively. Using optimized radiographic parameters for IUS, specificity was improved to 0.85 (95% CI, 0.71-0.93). CONCLUSIONS: The high sensitivity of fecal calprotectin (<50 μg/g) and cross-sectional imaging can help reduce the need for invasive and costly colonoscopy monitoring for CD recurrence after surgery. Applying optimal definitions of sonographic recurrence by IUS parameters may further improve specificity for making therapeutic decisions without endoscopy.
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 | 0,025 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,017 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».