Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo

Detalhes bibliográficos
Autor(a) principal: Link, Carlos Alberto
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/254524
Resumo: Objetivo: Verificar a acurácia de um algoritmo online usando o teorema de Bayes para o diagnóstico de gravidez ectópica (GE) com hCG, ultrassonografia e dados clínicos em uma coorte real. Desenho: Um estudo de coorte retrospectivo. Local: Unidade de Emergência Ginecológica (UEG) em um hospital universitário terciário. Pacientes: Gestantes de primeiro trimestre que compareceram a UEG por qualquer motivo. Aquelas que tiveram <13 semanas de gestação e seguiram os critérios: a) gravidez confirmada por teste positivo recente; b) imagem digital/relatório eletrônico de ultrassonografia transvaginal (USTV) do banco de dados do hospital; c) acompanhamentos com laudo anatomopatológico ou resolução clínica de uma gravidez confirmada, foram incluídos no estudo. Os sinais e sintomas clínicos, a presença de fatores de risco para gravidez ectópica, os achados da USTV em cada consulta e os níveis de hCG foram variáveis independentes obtidas de prontuários eletrônicos. A partir desses dados, a probabilidade pré-teste, baseada na apresentação clínica e fatores de risco, e a razão de verossimilhança (LR) de cada variável foram calculadas para uso no algoritmo, gerando uma probabilidade pós-teste (PTP). Intervenção: nenhuma. Principal medida de resultado: a acurácia do algoritmo online para identificar casos de gravidez ectópica usando sinais e sintomas clínicos, a presença de fatores de risco para gravidez ectópica, os achados de USTV em cada consulta e os níveis de hCG. A 12 gravidez ectópica foi o desfecho principal, confirmado pelo laudo anatomopatológico, ou pela presença de batimentos cardíacos fetais ou saco gestacional fora da cavidade uterina. Resultados: Entre 1º de janeiro de 2009 e 27 de dezembro de 2016, 2.495 pacientes foram analisadas e o algoritmo foi aplicado em 2.185 pacientes. A incidência de gravidez ectópica foi de 8,5% (212/2495; IC 95%=7,4% a 9,6%); 310 pacientes foram excluídas por terem sido submetidas à cirurgia com limiares de decisão <95%. O algoritmo foi aplicado em 2.185 pacientes. Apenas um caso permaneceu inconclusivo após 3 consultas, sendo considerado um erro de previsão. Os valores de sensibilidade, especificidade e acurácia (IC 95%) do algoritmo foram de 98,9% (96,1% a 99,8%), 98,9% (98,3% a 99,2%) e 98,9% (98,3% a 99,2%), respectivamente. Conclusão: A acurácia do algoritmo é de 98,9% (IC95%=98,4% a 99,3%), utilizando um único centro – UEG do Hospital de Clínicas de Porto Alegre.
id URGS_d412ed9e93c02c70737255d458ee3c64
oai_identifier_str oai:www.lume.ufrgs.br:10183/254524
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Link, Carlos AlbertoSavaris, Ricardo Francalacci2023-02-08T05:04:04Z2022http://hdl.handle.net/10183/254524001160613Objetivo: Verificar a acurácia de um algoritmo online usando o teorema de Bayes para o diagnóstico de gravidez ectópica (GE) com hCG, ultrassonografia e dados clínicos em uma coorte real. Desenho: Um estudo de coorte retrospectivo. Local: Unidade de Emergência Ginecológica (UEG) em um hospital universitário terciário. Pacientes: Gestantes de primeiro trimestre que compareceram a UEG por qualquer motivo. Aquelas que tiveram <13 semanas de gestação e seguiram os critérios: a) gravidez confirmada por teste positivo recente; b) imagem digital/relatório eletrônico de ultrassonografia transvaginal (USTV) do banco de dados do hospital; c) acompanhamentos com laudo anatomopatológico ou resolução clínica de uma gravidez confirmada, foram incluídos no estudo. Os sinais e sintomas clínicos, a presença de fatores de risco para gravidez ectópica, os achados da USTV em cada consulta e os níveis de hCG foram variáveis independentes obtidas de prontuários eletrônicos. A partir desses dados, a probabilidade pré-teste, baseada na apresentação clínica e fatores de risco, e a razão de verossimilhança (LR) de cada variável foram calculadas para uso no algoritmo, gerando uma probabilidade pós-teste (PTP). Intervenção: nenhuma. Principal medida de resultado: a acurácia do algoritmo online para identificar casos de gravidez ectópica usando sinais e sintomas clínicos, a presença de fatores de risco para gravidez ectópica, os achados de USTV em cada consulta e os níveis de hCG. A 12 gravidez ectópica foi o desfecho principal, confirmado pelo laudo anatomopatológico, ou pela presença de batimentos cardíacos fetais ou saco gestacional fora da cavidade uterina. Resultados: Entre 1º de janeiro de 2009 e 27 de dezembro de 2016, 2.495 pacientes foram analisadas e o algoritmo foi aplicado em 2.185 pacientes. A incidência de gravidez ectópica foi de 8,5% (212/2495; IC 95%=7,4% a 9,6%); 310 pacientes foram excluídas por terem sido submetidas à cirurgia com limiares de decisão <95%. O algoritmo foi aplicado em 2.185 pacientes. Apenas um caso permaneceu inconclusivo após 3 consultas, sendo considerado um erro de previsão. Os valores de sensibilidade, especificidade e acurácia (IC 95%) do algoritmo foram de 98,9% (96,1% a 99,8%), 98,9% (98,3% a 99,2%) e 98,9% (98,3% a 99,2%), respectivamente. Conclusão: A acurácia do algoritmo é de 98,9% (IC95%=98,4% a 99,3%), utilizando um único centro – UEG do Hospital de Clínicas de Porto Alegre.Objective: To verify the accuracy of an online algorithm using Bayes' theorem for diagnosing ectopic pregnancy (EP) having hCG, ultrasound, and clinical data in a real cohort. Design: A retrospective cohort study. Setting: Gynecologic Emergency Unit (GEU) in a tertiary teaching hospital Patients: First-trimester pregnant women who attended the GEU for any reason. Those that had <13 weeks of pregnancy, a) confirmed by a recent positive pregnancy test, b) a digital image/electronic report of transvaginal ultrasound (TVUS) from hospital database, and c) a follow-up with a pathology report or a clinical resolution of a confirmed pregnancy were included in the study. Clinical signs and symptoms, the presence of risk factors for ectopic pregnancy, the TVUS findings in each consultation, and the hCG levels were independent variables obtained from electronic medical records. From these data, the pre-test probability, based on clinical presentation and risk factors, and the likelihood ratio (LR) for each variable were calculated for their use in the algorithm, yielding a post-test probability (PTP). Intervention: none Main Outcome measure: the accuracy of the online algorithm to identify cases of ectopic pregnancy using clinical signs and symptoms, the presence of risk factors for ectopic pregnancy, the TVUS findings in each consultation, and the hCG levels. Ectopic pregnancy was the main outcome, confirmed either by pathology report, or by the presence of fetal heartbeat or gestational sac outside the uterine cavity. Results: Between January 1, 2009, and December 27, 2016, 2495 patients were analysed, and the algorithm was applied to 2185 patients. The incidence of ectopic pregnancy was 8.5% (212/2495;95%CI=7.4% to 9.6%); 310 patients were excluded because they were submitted to surgery with decision thresholds <95%. The algorithm was applied in 2185 patients. Just one case remained inconclusive after 3 consultations, and it was considered as an error in prediction. The sensitivity, specificity, and accuracy values (95%CI) of the algorithm were 98.9% (96.1% to 99.8%), 98.9% (98.3% to 99.2%), and 98.9% (98.3% to 99.2%), respectively. Conclusion: The accuracy of the algorithm is 98.9% (95%CI=98.4% to 99.3%), using a single center.application/pdfporGravidez ectópicaDiagnósticoUltrassonografiaGonadotropina coriônica humana subunidade betaTeorema de BayesEstudos de coortesEstudos retrospectivosEctopic pregnancyUltrasonographyDiagnosisData accuracyhCG-betaBayes theoremDiagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulFaculdade de MedicinaPrograma de Pós-Graduação em Medicina: Ciências CirúrgicasPorto Alegre, BR-RS2022mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001160613.pdf.txt001160613.pdf.txtExtracted Texttext/plain136923http://www.lume.ufrgs.br/bitstream/10183/254524/2/001160613.pdf.txte43b95c2cc523302a4d6681e0921f870MD52ORIGINAL001160613.pdfTexto completoapplication/pdf4633329http://www.lume.ufrgs.br/bitstream/10183/254524/1/001160613.pdf330fb15ac78a2162285a1a1b09974d99MD5110183/2545242023-11-05 04:25:58.715128oai:www.lume.ufrgs.br:10183/254524Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-11-05T06:25:58Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo
title Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo
spellingShingle Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo
Link, Carlos Alberto
Gravidez ectópica
Diagnóstico
Ultrassonografia
Gonadotropina coriônica humana subunidade beta
Teorema de Bayes
Estudos de coortes
Estudos retrospectivos
Ectopic pregnancy
Ultrasonography
Diagnosis
Data accuracy
hCG-beta
Bayes theorem
title_short Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo
title_full Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo
title_fullStr Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo
title_full_unstemmed Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo
title_sort Diagnóstico da gravidez ectópica usando o teorema de Bayes : estudo de coorte retrospectivo
author Link, Carlos Alberto
author_facet Link, Carlos Alberto
author_role author
dc.contributor.author.fl_str_mv Link, Carlos Alberto
dc.contributor.advisor1.fl_str_mv Savaris, Ricardo Francalacci
contributor_str_mv Savaris, Ricardo Francalacci
dc.subject.por.fl_str_mv Gravidez ectópica
Diagnóstico
Ultrassonografia
Gonadotropina coriônica humana subunidade beta
Teorema de Bayes
Estudos de coortes
Estudos retrospectivos
topic Gravidez ectópica
Diagnóstico
Ultrassonografia
Gonadotropina coriônica humana subunidade beta
Teorema de Bayes
Estudos de coortes
Estudos retrospectivos
Ectopic pregnancy
Ultrasonography
Diagnosis
Data accuracy
hCG-beta
Bayes theorem
dc.subject.eng.fl_str_mv Ectopic pregnancy
Ultrasonography
Diagnosis
Data accuracy
hCG-beta
Bayes theorem
description Objetivo: Verificar a acurácia de um algoritmo online usando o teorema de Bayes para o diagnóstico de gravidez ectópica (GE) com hCG, ultrassonografia e dados clínicos em uma coorte real. Desenho: Um estudo de coorte retrospectivo. Local: Unidade de Emergência Ginecológica (UEG) em um hospital universitário terciário. Pacientes: Gestantes de primeiro trimestre que compareceram a UEG por qualquer motivo. Aquelas que tiveram <13 semanas de gestação e seguiram os critérios: a) gravidez confirmada por teste positivo recente; b) imagem digital/relatório eletrônico de ultrassonografia transvaginal (USTV) do banco de dados do hospital; c) acompanhamentos com laudo anatomopatológico ou resolução clínica de uma gravidez confirmada, foram incluídos no estudo. Os sinais e sintomas clínicos, a presença de fatores de risco para gravidez ectópica, os achados da USTV em cada consulta e os níveis de hCG foram variáveis independentes obtidas de prontuários eletrônicos. A partir desses dados, a probabilidade pré-teste, baseada na apresentação clínica e fatores de risco, e a razão de verossimilhança (LR) de cada variável foram calculadas para uso no algoritmo, gerando uma probabilidade pós-teste (PTP). Intervenção: nenhuma. Principal medida de resultado: a acurácia do algoritmo online para identificar casos de gravidez ectópica usando sinais e sintomas clínicos, a presença de fatores de risco para gravidez ectópica, os achados de USTV em cada consulta e os níveis de hCG. A 12 gravidez ectópica foi o desfecho principal, confirmado pelo laudo anatomopatológico, ou pela presença de batimentos cardíacos fetais ou saco gestacional fora da cavidade uterina. Resultados: Entre 1º de janeiro de 2009 e 27 de dezembro de 2016, 2.495 pacientes foram analisadas e o algoritmo foi aplicado em 2.185 pacientes. A incidência de gravidez ectópica foi de 8,5% (212/2495; IC 95%=7,4% a 9,6%); 310 pacientes foram excluídas por terem sido submetidas à cirurgia com limiares de decisão <95%. O algoritmo foi aplicado em 2.185 pacientes. Apenas um caso permaneceu inconclusivo após 3 consultas, sendo considerado um erro de previsão. Os valores de sensibilidade, especificidade e acurácia (IC 95%) do algoritmo foram de 98,9% (96,1% a 99,8%), 98,9% (98,3% a 99,2%) e 98,9% (98,3% a 99,2%), respectivamente. Conclusão: A acurácia do algoritmo é de 98,9% (IC95%=98,4% a 99,3%), utilizando um único centro – UEG do Hospital de Clínicas de Porto Alegre.
publishDate 2022
dc.date.issued.fl_str_mv 2022
dc.date.accessioned.fl_str_mv 2023-02-08T05:04:04Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/254524
dc.identifier.nrb.pt_BR.fl_str_mv 001160613
url http://hdl.handle.net/10183/254524
identifier_str_mv 001160613
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/254524/2/001160613.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/254524/1/001160613.pdf
bitstream.checksum.fl_str_mv e43b95c2cc523302a4d6681e0921f870
330fb15ac78a2162285a1a1b09974d99
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085609217196032