Entwicklung eines Lokalisations‐basierten Algorithmus zur Vorhersage der Ätiologie von Ulcera cruris

Author:

Deinsberger Julia1,Moschitz Irina1,Marquart Elias1,Manz‐Varga Alexander Konstantin2,Gschwandtner Michael E.3,Brugger Jonas4,Rinner Christoph4,Böhler Kornelia1,Tschandl Philipp1,Weber Benedikt1

Affiliation:

1. Universitätsklinik für Dermatologie Medizinische Universität Wien Wien Österreich

2. Karl Landsteiner Privatuniversität für Gesundheitswissenschaften Krems Österreich

3. Klinische Abteilung für Angiologie Universitätsklinik für Innere Medizin II Medizinische Universität Wien Wien Österreich

4. Zentrum für Medical Data Science Medizinische Universität Wien Wien Österreich

Abstract

ZusammenfassungHintergrundDie diagnostische Abklärung des Ulcus cruris ist zeit‐ und kostenintensiv. Ziel dieser Studie war es, die Ulkuslokalisation als diagnostisches Kriterium zu bewerten und einen diagnostischen Algorithmus zur Unterstützung in der Diagnostik bereitzustellen.Patienten und MethodikDie Studie umfasste 277 Patienten mit Ulcera cruris. Es wurden die folgenden fünf Gruppen definiert: Ulcus cruris venosum, arterielle Ulzera, gemischte Ulzera, Arteriolosklerose und Vaskulitis. Mittels computergestütztem Oberflächenrendering wurden die Prädilektionsstellen der verschiedenen Ulkustypen bewertet. Die Ergebnisse wurden in ein multinomiales logistisches Regressionsmodell integriert, um die Wahrscheinlichkeit einer bestimmten Diagnose in Abhängigkeit von Lokalisation, Alter, bilateraler Beteiligung und Anzahl der Ulzera zu berechnen. Zusätzlich wurde eine neuronale Netzwerk‐Bildanalyse durchgeführt.ErgebnisseDie Mehrheit der venösen Ulzera fand sich in der medialen Malleolarregion. Arterielle Ulzera waren am häufigsten auf der dorsalen Seite des Vorfußes zu finden. Arteriolosklerotische Ulzera waren zumeist im mittleren Drittel des lateralen Unterschenkels lokalisiert. Vaskulitische Ulzera schienen zufällig verteilt zu sein und waren deutlich kleiner, häufiger multilokulär und bilateral. Das multinomiale logistische Regressionsmodell zeigte eine insgesamt zufriedenstellende Leistung mit einer geschätzten Genauigkeit von 0,68 bei ungesehenen Daten.SchlussfolgerungenDer vorgestellte Algorithmus auf Grundlage der Ulkuslokalisation kann als unterstützendes Instrument zur Eingrenzung potenzieller Differenzialdiagnosen und als Hilfestellung für die Einleitung diagnostischer Maßnahmen dienen.

Publisher

Wiley

Subject

Dermatology

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3