Magnetic Resonance Imaging for Distinguishing Perianal Hidradenitis Suppurativa from Fistulizing Crohn Disease
Notice bibliographique
Résumé
INTRODUCTION: Both hidradenitis suppurativa (HS) and Crohn disease (CD) are characterized by suppuration and granulomatous inflammation, which may result in formation of tunnels, sinus tracts, or fistulas. We sought to determine the differences in characteristics of fistulizing perianal CD vs. perianal HS on magnetic resonance imaging (MRI). METHODS: This retrospective cohort study included patients diagnosed with CD, HS, or both diseases who underwent medical examination at the Mayo Clinic between January 1, 1998, and July 31, 2021. We further selected patients who had documented perianal lesions and underwent pelvic MRI. Two abdominal radiologists blinded to clinical diagnosis reviewed the MR images for the presence or absence of 10 characteristics. For characteristics that differed significantly between patients with CD and HS, odds ratios were calculated. A radiomics-based MRI scoring system was constructed according to the odds ratios and was validated. RESULTS: On MRI, significantly more patients in the HS group (n = 49) than the CD group (n = 74) had subcutaneous tunnels (35% vs. 4%; p < 0.001), soft-tissue inflammation of subcutaneous tissue and skin (35% vs. 5%; p < 0.001), and inguinal lymphadenopathy (65% vs. 45%; p = 0.02). Significantly more patients in the CD group than the HS group had transsphincteric fistula (64% vs. 35%; p = 0.002), intersphincteric fistula (58% vs. 29%; p = 0.001), mesorectal lymphadenopathy (26% vs. 4%; p = 0.002), and rectal inflammation (32% vs. 12%; p = 0.01). The proposed MRI scoring system for distinguishing HS from CD had a sensitivity of 0.77, specificity of 0.80, and area under the curve of 0.84. CONCLUSION: MRI may be a valuable tool in distinguishing perianal draining tunnels in HS from fistulizing perianal CD. The MRI scoring system we created could help in the clinical decision-making process. Combining MRI with other investigational and clinical findings may improve diagnostic accuracy for these challenging perianal diseases.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».