ADNEX model - Evidencio
ADNEX model

Il ADNEX model è un modello di previsione del rischio in grado di stimare il rischio che un tumore sia benigno o maligno nelle donne con una massa annessiale, nonché di stimare il rischio che un tumore maligno sia classificato come borderline, tumore in stadio I, tumore in stadio II-IV o tumore ovarico metastatico.

Autori della ricerca: 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
Versione: 2.0
  • Pubblico
  • Ginecologia
  • {{ modelType }}
V-2.0-945.25.08.12
(01)08720938015311(8012)v2.0(4326)250812(240)945
Scarica il Manuale d'uso e consultare il Uso previsto.
Unità

{{ section.title }}

{{ section.description }}

Calcolare il risultato

Impostare altri parametri per eseguire il calcolo

{{ resultSubheader }}
{{ $t('download_result_availability') }}
{{ chart.title }}
Intervallo di risultati {{ additionalResult.min }} a {{ additionalResult.max }}

Informazioni condizionali

Il grafico a barre fornisce una stima del rischio tra tumori annessi benigni e maligni, oltre a fornire una stima del rischio tra quattro classificazioni di tumori maligni (tumore borderline, tumore in stadio I, tumore in stadio II-IV e tumore secondario metastatico). I tumori borderline sono classificati come tumori maligni, in modo da fornire una somiglianza con la letteratura scientifica che valuta le prestazioni del modello ADNEX.

Non esiste un punto di cut-off confermato per il rischio di malignità. Consultare le linee guida cliniche per il punto di cut-off raccomandato.

Il modello ADNEX è stato sviluppato da Van Calster et al. nel 2014. Per ulteriori informazioni sul modello ADNEX, consultare la guida pratica di Van Calster et al. 2015.

{{ file.classification }}
Nota
Le note sono visibili solo nel download dei risultati e non vengono salvate da Evidencio.

I calcoli da soli non devono mai imporre la cura del paziente e non sostituiscono il giudizio professionale. Vedi la nostra scheda completa disclaimer.

Algoritmi sottostanti Parte di
logo

Effettuare l'accesso per abilitare le funzionalità di stampa di Evidencio

Per utilizzare le funzioni di stampa di Evidencio, è necessario aver effettuato il login.
Se non si dispone di un account comunitario Evidencio, è possibile creare un account personale gratuito all'indirizzo:

https://www.evidencio.com/registration

Risultati stampati - Esempi {{ new Date().toLocaleString() }}

Vantaggi del conto comunitario Evidencio

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.

Esclusione di responsabilità: i calcoli da soli non dovrebbero mai dettare la cura del paziente e non sostituiscono il giudizio professionale.
Termini e condizioni | Informativa sulla privacy | Disclaimer | Contatto | Rifiuta i cookie |
Evidencio v3.38 © 2015 - 2025 Evidencio. Tutti i diritti riservati