Details

Autor(en) / Beteiligte

• Deinsberger, Julia
• Moschitz, Irina
• Marquart, Elias
• Manz‐Varga, Alexander Konstantin
• Gschwandtner, Michael E.
• Brugger, Jonas
• Rinner, Christoph
• Böhler, Kornelia
• Tschandl, Philipp
• Weber, Benedikt

Titel

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

Ist Teil von

• Journal der Deutschen Dermatologischen Gesellschaft, 2023-11, Vol.21 (11), p.1339-1350

Ort / Verlag

Berlin: Wiley Subscription Services, Inc

Erscheinungsjahr

2023

Quelle

Wiley-Blackwell Journals

Beschreibungen/Notizen

• Zusammenfassung Hintergrund Die 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 Methodik Die 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. Ergebnisse Die 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. Schlussfolgerungen Der vorgestellte Algorithmus auf Grundlage der Ulkuslokalisation kann als unterstützendes Instrument zur Eingrenzung potenzieller Differenzialdiagnosen und als Hilfestellung für die Einleitung diagnostischer Maßnahmen dienen.