ADNEX model - Evidencio
Por favor, inicie sesión o crea una cuenta para ver la página solicitada
ADNEX model

Das ADNEX model ist ein Risikovorhersagemodell, das das Risiko eines gut- oder bösartigen Tumors bei Frauen mit einer Adnexmasse sowie das Risiko eines bösartigen Tumors, der als Borderline, Krebs im Stadium I, Krebs im Stadium II-IV oder als metastasierender Ovarialtumor eingestuft wird, abschätzen kann.

Forschungsautoren: Ben van Calster, Kirsten van Hoorde, Lil Valentin, Antonia C. Testa, Daniela Fischerova, Caroline van Holsbeke, Luca Savelli, Dorella Franchi, Elisabeth Epstein, Jeroen Kaijser, Vanya van Belle, Artur Czekierdowski, Stefano Guerriero, Robert Fruscio, Chiara Lanzani, Felice Scala, Tom Bourne, Dirk Timmerman
Version: 2.0
  • Öffentlich
  • Gynaecologie
  • {{ modelType }}
V-2.0-945.25.08.12
(01)08720938015311(8012)v2.0(4326)250812(240)945
Download des Benutzerhandbuch .
Lesen Sie auch für dieses Medizinprodukt die Bestimmungsgemässe Verwendung.
Einheiten

{{ section.title }}

{{ section.description }}

Berechnen Sie das Ergebnis

Legen Sie weitere Parameter zur Durchführung der Berechnung fest

{{ resultSubheader }}
{{ $t('download_result_availability') }}
{{ chart.title }}
Ergebnisintervall {{ additionalResult.min }} bis {{ additionalResult.max }}

Bedingte Informationen

Das Balkendiagramm liefert eine Risikoeinschätzung zwischen gutartigen und bösartigen Adnex-Tumoren sowie eine Risikoeinschätzung zwischen vier bösartigen Tumorklassifikationen (Borderline-Tumor, Krebs im Stadium I, Krebs im Stadium II-IV und sekundärer metastasierter Tumor). Borderline-Tumore werden als bösartige Tumore klassifiziert, was eine Ähnlichkeit mit der wissenschaftlichen Literatur zur Bewertung der Leistung des ADNEX-Modells herstellt.

Es gibt keinen bestätigten Cut-off-Punkt für das Risiko einer Bösartigkeit. Bitte konsultieren Sie klinische Leitlinien für den empfohlenen Cut-off-Punkt.

Das ADNEX-Modell wurde von Van Calster et al. im Jahr 2014 entwickelt. Weitere Informationen über das ADNEX-Modell finden Sie in der praktischen Anleitung von Van Calster et al. 2015.

{{ file.classification }}
Anmerkung
Notizen sind nur im Ergebnis-Download sichtbar und werden von Evidencio nicht gespeichert.

Berechnungen allein sollten niemals die Patientenversorgung vorschreiben und ersetzen kein professionelles Urteilsvermögen. Sehen Sie unser volles disclaimer.

Zugrunde liegende Algorithmen Teil von
logo

Bitte melden Sie sich an, um die Evidencio-Druckfunktionen zu aktivieren

Um die Evidencio-Druckfunktionen nutzen zu können, müssen Sie angemeldet sein.
Wenn Sie keinen Evidencio-Community-Account besitzen, können Sie sich kostenlos ein persönliches Konto erstellen:

https: // www. evidencio.com/registration

Gedruckte Ergebnisse - Beispiele {{ new Date().toLocaleString() }}

Vorteile des Evidencio-Community-Kontos

With an Evidencio Community account you can:

  • Create and publish your own prediction algorithms.
  • Share your prediction algorithms with your colleagues, research group, organization or the world.
  • Review and provide feedback on algorithms that have been shared with you.
  • Validate your algorithms and validate algorithms from other users.
  • Find algorithms based on Title, Keyword, Author, Institute, or MeSH classification.
  • Use and save prediction algorithms and their data.
  • Use patient specific protocols and guidelines based on sequential algorithms and decision trees.
  • Stay up-to-date with new algorithms in your field as they are published.
  • Create your own lists of favorite algorithms and topics.

A personal Evidencio account is free, with no strings attached!
Join us and help create clarity, transparency, and efficiency in the creation, validation, and use of medical prediction algorithms.

Disclaimer: Berechnungen allein sollten niemals die Pflege der Patienten vorschreiben und ersetzen kein professionelles Urteilsvermögen.
Bedingungen & Konditionen | Datenschutzrichtlinie | Disclaimer | Kontakt | Cookies ablehnen |
Evidencio v3.38 © 2015 - 2025 Evidencio. Alle Rechte vorbehalten