ADNEX model - Evidencio
ADNEX model

Het ADNEX-model is een risicovoorspellingsmodel waarmee het risico kan worden ingeschat dat een tumor goedaardig of kwaadaardig is bij vrouwen met een adnexale massa, en waarmee het risico kan worden ingeschat dat een kwaadaardige tumor wordt geclassificeerd als borderline, kanker stadium I, kanker stadium II-IV of als een uitgezaaide ovariumtumor.

Auteurs: 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
Versie: 2.0
  • Publiek
  • Gynaecologie
  • {{ modelType }}
V-2.0-945.25.08.12
(01)08720938015311(8012)v2.0(4326)250812(240)945
Download de Gebruikershandleiding en raadpleeg het Beoogd gebruik.
Eenheden

{{ section.title }}

{{ section.description }}

Bereken het resultaat

Vul meer parameters in om de berekening uit te voeren

{{ resultSubheader }}
{{ $t('download_result_availability') }}
{{ chart.title }}
Resultaat interval {{ additionalResult.min }} tot {{ additionalResult.max }}

Conditionele informatie

Het staafdiagram geeft een schatting van het risico tussen goedaardige en kwaadaardige adnexale tumoren, evenals een risicoschatting tussen vier kwaadaardige tumorclassificaties (borderline tumor, stadium I kanker, stadium II-IV kanker en secundaire uitgezaaide tumor). Borderline tumoren worden geclassificeerd als kwaadaardige tumoren, hetzelfde gedefinieerd als de wetenschappelijke literatuur waarin de prestaties van het ADNEX-model worden geëvalueerd.

Er is geen bevestigd afkappunt voor het risico op kwaadaardigheid. Raadpleeg de klinische richtlijnen voor het aanbevolen afkappunt.

Het ADNEX-model is ontwikkeld door Van Calster et al. in 2014. Zie voor meer informatie over het ADNEX-model de praktische leidraad van Van Calster et al. 2015.

{{ file.classification }}
Notitie
Notities zijn alleen zichtbaar in de resultaat download en worden niet opgeslagen door Evidencio

Predictie algoritmes dienen enkel ter ondersteuning en naslag geraadpleegd te worden en zijn geen vervanging voor medische besluitvorming door professionals. Bekijk onze disclaimer.

Onderliggende algoritmes Onderdeel van
logo

Log a.u.b. in om de Evidencio print-functies te gebruiken

Om de Evidencio print-functies te kunnen gebruiken dient u ingelogt te zijn.
Indien u nog geen Evidencio Community Account heeft kunt u eenvoudig een persoonlijk account aanmaken op:

https://www.evidencio.com/registration

Print rapport - Voorbeelden {{ new Date().toLocaleString() }}

Evidencio Community Account voordelen

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: Predictie algoritmes dienen enkel ter ondersteuning en naslag geraadpleegd te worden en zijn geen vervanging voor medische besluitvorming door professionals.
Algemene voorwaarden | Privacy Policy | Disclaimer | Contact | Cookies weigeren |
Evidencio v3.38 © 2015 - 2025 Evidencio. Alle rechten voorbehouden