Nuevo sistema de puntuación ecográfico para el diagnóstico diferencial de las tumoraciones anexiales

Resumen

Objetivo

Diseñar y evaluar una nueva puntuación ecográfica para predecir malignidad en tumores anexiales

Métodos

En este estudio se usaron los datos ecográficos y Doppler de 705 tumores anexiales (141 malignos y 564 benignos) evaluados entre enero de 1995 y julio 2001 para diseñar una puntuación ecográfica. Los datos analizados fueron edad, volumen tumoral, grosor de pared, presencia de septos gruesos, presencia de papilas gruesas, presencia de áreas sólidas, ecogenicidad, presencia de flujo, localización del flujo, cantidad de flujo y velocimetría que se introdujeron en un análisis de regresión logística multivariante

Resultados

En el análisis de regresión sólo quedaron retenidos los siguientes parámetros: presencia de papilas gruesas (odds ratio [OR] = 1,9), áreas sólidas (OR = 8,6), flujo central (OR = 15,5) y velocimetría de alta velocidad-baja resistencia (OR = 5,3)

Mediante curva ROC se determin® que el mejor punto de corte era ≥ 6 (sensibilidad del 90%; falsos positivos del 7,6%)

Conclusiones

La nueva puntuación propuesta es sencilla, basada en un análisis de regresión logística y ofrece un alto rendimiento diagnóstico

Abstract

Objective

To design and evaluate a new ultrasonographic score to predict malignancy in annexal tumors

Methods

In this study ultrasonographic and Doppler data from 705 annexal tumors (141 malignant and 564 benign) evaluated between January 1995 and July 2001 were used to design an ultrasonographic score. The following data were analyzed: age, tumoral volume, wall thickness, the presence of thick septa, papillae and solid areas, echogenicity, the presence, localization and quantity of flow, and velocimetry. These data were introduced into a multivariate logistic regression analysis

Results

In the regression analysis, only the following variables were retained: the presence of thick papillae (OR = 1.9), solid areas (OR = 8.6), central flow (OR = 15.5) and high velocity-low resistance velocimetry (OR = 5.3). The ROC curve revealed that the best cut-off point was > 6 (sensitivity: 90%, false positives: 7.6%)

Conclusions

The new score proposed is simple, is based on logistic regression analysis and provides a high diagnostic yield