探索阴性似然比及其在乳腺影像中减少假阳性的应用
本文阐述阴性似然比(NLR)作为乳腺影像统计参数的定义及建议用法,并以BI-RADS 4类亚分类为例给出计算示例。结论认为,通过对照美国放射学会BI-RADS 4类亚分类的阳性预测值基准范围,早期并经常审核个人表现,并充分理解NLR及其在乳腺影像中的应用,放射科医生可减少假阳性发现和不必要的活检。
要点
- 阴性似然比(NLR)可作为乳腺影像中的统计参数用于评估检查阴性时排除病变的能力。
- 以BI-RADS 4类亚分类为例给出了NLR的计算示例。
- 对照ACR的BI-RADS 4类亚分类阳性预测值基准范围审核个人表现,有助于减少假阳性和不必要活检。
核心结论
- 通过早期并经常对照美国放射学会BI-RADS 4类亚分类的阳性预测值基准范围审核个人表现,并充分理解NLR及其在乳腺影像中的应用,放射科医生可减少假阳性发现和不必要的活检。
研究设计与样本
- 本文为阐述阴性似然比定义及建议用法的文章,以BI-RADS 4类亚分类为例提供计算示例。
诊断标准与关键数值
- 以BI-RADS 4类亚分类为例给出了阴性似然比的计算示例。
- 对照美国放射学会BI-RADS 4类亚分类的阳性预测值基准范围审核个人表现。
临床应用与阅片要点
- 作者提出可将阴性似然比作为乳腺影像中的统计参数使用。
- 作者建议早期并经常对照美国放射学会BI-RADS 4类亚分类的阳性预测值基准范围审核个人表现,以减少假阳性发现和不必要的活检。
局限性
- 原文未报告局限性
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
英文原文(摘要)· 点击展开
OBJECTIVE: This article describes the definition and proposed utilization of negative likelihood ratios (NLRs) as statistical parameters in breast imaging. Examples with calculations are provided using BI-RADS category 4 subcategories.
CONCLUSION: By auditing individual performance early and often against American College of Radiology benchmark positive predictive value ranges for the BI-RADS category 4 subcategories, and by fully understanding NLRs and their application in breast imaging, radiologists can minimize false-positive findings and unnecessary biopsies.
引用
- Yang WT, Parikh JR, Stavros AT, et al. Exploring the Negative Likelihood Ratio and How It Can Be Used to Minimize False-Positives in Breast Imaging. AJR Am J Roentgenol. 2017. PMID: 29166150. doi:10.2214/AJR.17.18774
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。