Development and Validation of KN-DIOC: A Novel Preoperative Diagnostic Index Using Ultrasound, Complete Blood Count, and Cancer Antigen 125 for Ovarian Cancer
Notice bibliographique
Résumé
Background: Ovarian cancer, particularly epithelial ovarian cancer (EOC), is one of the deadliest gynecological malignancies due to nonspecific early symptoms and late diagnosis. Current diagnostic tools, while useful, often do not account for regional variations in disease presentation, particularly in Asian populations. This study aimed to develop and validate a new preoperative diagnostic index tailored to the Thai population by integrating complete blood count (CBC), tumor markers, and ultrasound features. Methods: This retrospective cohort study included patients with pathologic pelvic or adnexal masses scheduled for surgery at Vajira Hospital from April 2022 to October 2024. Clinical data, CBC, cancer antigen 125 (CA125) levels, and ultrasound findings were analyzed to develop and validate a diagnostic index (KMUTT-NMU Diagnostic Index for Ovarian Cancer (KN-DIOC)). The model's performance was compared against established indices like Risk of Malignancy Index (RMI), Risk of Ovarian Malignancy Algorithm (ROMA), and Rajavithi-Ovarian Cancer Predictive Score (R-OPS) through multivariate logistic regression, focusing on key predictors. Results: The study comprised 195 patients divided into 151 for the development dataset and 44 for the validation dataset. The KN-DIOC showed high discriminative ability with an area under curve (AUC) of 0.866, indicating very good capability in differentiating between benign and malignant ovarian masses. The index achieved a sensitivity of 93.75% and a specificity of 78.57%, demonstrating superior performance to traditional diagnostic tools, especially in the validation dataset. Conclusion: The novel diagnostic index (KN-DIOC), incorporating CBC, ultrasound features, and tumor markers, provides a robust tool for preoperative assessment of ovarian tumors in Thai patients. It offers significant improvements in sensitivity and specificity over existing models, suggesting its potential for broader application in similar settings. This index supports enhanced decision-making in gynecological oncology, potentially leading to better patient outcomes through timely and accurate diagnosis.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 ».