Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/322087
Type: TESE DIGITAL
Title: Performance do modelo ADNEX do IOTA na discriminação pré-operatória das massas anexiais em um centro de oncologia ginecológica = Performance of the IOTA ADNEX model in the preoperative discrimination of adnexal masses in a gynecologic oncology center
Title Alternative: Performance of the IOTA ADNEX model in the preoperative discrimination of adnexal masses in a gynecologic oncology center
Author: Araujo, Karla Ferreira Galvão de, 1977-
Advisor: Derchain, Sophie Françoise Mauricette, 1959-
Abstract: Resumo: Introdução: A adição de uma predição do risco de malignidade à avaliação ultrassonográfica das massas anexiais pode otimizar a triagem, reduzir ansiedade, morbidade e custos desnecessários, além de favorecer a escolha da melhor estratégia terapêutica. Diferentemente dos modelos preditores de risco anteriormente desenvolvidos, o modelo ADNEX do IOTA, além de discriminar massas anexiais benignas e malignas, tem a finalidade de identificar vários tipos histológicos e extensão tumoral. Objetivo: Avaliar a performance do modelo ADNEX na diferenciação entre tumores ovarianos benignos, tumores borderline, câncer de ovário estádio I, câncer de ovário estádios II-IV e metástases ovarianas. Método: Este estudo de acurácia diagnóstica incluiu 131 mulheres com massas anexiais. Os dados foram coletados prospectivamente, entre fevereiro de 2014 e novembro de 2015. O nível sérico de CA125 foi mensurado e a ultrassonografia foi realizada, antes da cirurgia, para todas as mulheres. As massas foram classificadas de acordo com o modelo ADNEX. O diagnóstico histopatológico foi considerado o padrão ouro. Foram comparados os valores médios dos componentes do modelo ADNEX usando t-test ou Kruskall-Wallis. A seguir, foram calculados sensibilidade, especificidade e odds ratio para o modelo ADNEX em pontos de corte progressivos, determinados através da curva ROC (Receiving Operating Characteristic). Finalmente, áreas sob a curva ROC (AUC) foram calculadas para os diferentes cenários. Resultados: A taxa de malignidade encontrada foi de 51,9%. Das 131 mulheres, 63 (48,1%) apresentaram tumores ovarianos benignos, 16 (12,2%) tumores borderline, 17 (13,0%) câncer de ovário estádio I, 24 (18,3%) câncer de ovário estádios II-IV e 11 (8,4%) metástases ovarianas. O modelo ADNEX apresentou uma AUC de 0,92 na discriminação entre tumores benignos e malignos, com sensibilidade de 88,2% e especificidade de 85,7% no ponto de corte ótimo de 23,6%. Alta sensibilidade (acima de 90%) foi obtida nos pontos de corte de 10 e 15%. A especificidade foi de 71,4% no ponto de corte de 15% e de apenas 55,5% no ponto de corte de 10%. Em relação aos subtipos histológicos, as melhores performances foram obtidas na diferenciação entre câncer de ovário estádios II-IV e os seguintes tipos histológicos: tumores ovarianos benignos (AUC 0,99), tumores borderline (AUC 0,97) e câncer de ovário estádio I (AUC 0,94). As piores performances foram encontradas na diferenciação entre tumores borderline e câncer de ovário estádio I, e entre câncer de ovario estádio I e metástases ovarianas, ambas com AUC de 0,64. Conclusão: O modelo ADNEX apresentou excelente performance na discriminação entre massas anexiais benignas e malignas e resultados entre bons e excelentes na diferenciação da maioria dos subtipos histológicos

Abstract: Introdution: Adding a malignancy risk prediction to the sonographic assessment of adnexal masses might optimize triage, reduce patient anxiety and unnecessary costs, as well as contribute to the therapeutic decision. Differently from previous risk prediction models, IOTA ADNEX model attempts to not only discriminate benign from malign adnexal masses, but also preoperatively identify various histologic types and tumor extension. Objective: To evaluate the performance of the ADNEX model in the preoperative discrimination between benign ovarian tumor, borderline ovarian tumor (BOT), stage I ovarian cancer (OC), stages II-IV OC and ovarian metastasis. Methods: This was a diagnostic accuracy study including 131 women with adnexal masses. Data was prospectively collected from February 2014 to November 2015. Serum CA 125 level was measured and ultrasonography was performed prior to surgery for all women. The masses were classified according to the ADNEX model. The gold standard was histopathological diagnosis. Mean values of the components of the ADNEX model were compared using t-tests or Kruskall-Wallis tests. After that, sensitivity, specificity and diagnostic odds ratios for the ADNEX model were calculated at progressive cut-off points and at the cut-off point determined through Receiving Operating Characteristic (ROC). Finally, areas under the ROC curves (AUC) were calculated for different discriminating scenarios. Results: The malignancy rate was 51.9%. Of the 131 women, 63 (48.1%) had benign ovarian tumor, 16 (12.2%) BOT, 17 (13.0%) stage I OC, 24 (18.3%) stages II-IV OC and 11 (8.4%) ovarian metastasis. Using ADNEX model, AUC was 0.92 for the discrimination between benign vs malignant tumors. Sensitivity was 88.2% and specificity was 85.7% at the optimal cut-off point of 23.6%. High sensitivity (above 90%) was found at cut-off points of 10% and 15%. The specificity was 71.4% at the cut-off point of 15% and only 55.5% at the cut-off point of 10%. Concerning histological subtypes, higher performances occurred in the differentiation between benign vs stages II-IV OC, BOT vs stages II-IV OC and stage I OC vs stages II-IV OC. AUCs were 0.99, 0.97 and 0.94, respectively. A worse performance was found in the differentiation between BOT vs stage I OC with an AUC of 0.64. A similar AUC (0.64) was found for differentiation between stage I OC vs ovarian metastasis. Conclusion: ADNEX model showed excellent performance in the discrimination between benign and malignant adnexal masses. The model showed good or excellent results in the differentiation among most of the histological subtype
Subject: Neoplasias ovarianas
Ultrassonografia
Medição de risco
Editor: [s.n.]
Date Issue: 2017
Appears in Collections:FCM - Dissertação e Tese

Files in This Item:
File SizeFormat 
Araujo_KarlaFerreiraGalvaode_M.pdf7.52 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.