Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Onderzoeksartikel

Prospectieve vergelijking van ultra-lage dosis versus standaarddosis computertomografie voor detectie van slokdarmvreemde voorwerpen

65 weergaven

⸱

DOI:

10.3791/69349

⸱

7 augustus 2026

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Radiology and Nuclear Medicine, The First Hospital of Hebei Medical University

* These authors contributed equally

In dit artikel

Samenvatting

Deze gerandomiseerde studie toont aan dat ultra-low-dose computertomografie (CT) met deep learning reconstructie diagnostische nauwkeurigheid behaalt die niet inferieur is aan die van standaarddosis CT voor slokdarm vreemde voorwerpendetectie, met een vermindering van de stralingsdosis van 63%.

Samenvatting

Het doel van deze studie was om de niet-inferioriteit van ultra-low-dose computertomografie (ULD-CT) versus standaarddosis CT (SD-CT) te verifiëren voor slokdarm vreemde lichamen (EFB) detectie en om dosis-kwaliteit afwegingen te kwantificeren. Deze prospectieve, gerandomiseerde, geblindeerde lezerstudie nam 180 patiënten (120 volwassenen, 60 kinderen) aan met vermoedelijke EFB-inname. Patiënten werden gerandomiseerd in ULD-CT (100 kV/50 mA, adaptieve statistische iteratieve reconstructie-V 80% + deep learning beeldreconstructie) of SD-CT (120 kV/200 mA, gefilterde terugprojectie + adaptieve statistische iteratieve reconstructie-V 30%) groepen. Alle patiënten ondergingen binnen 12 uur na CT-beeldvorming endoscopisch of chirurgisch referentiestandaardonderzoek, met 30-daagse follow-up voor negatieve bevindingen. Het primaire eindpunt was het oppervlak onder de kromme (AUC); Secundaire eindpunten omvatten beeldkwaliteitsmetingen, stralingsdosis en incidentele bevindingen.

Beide protocollen behaalden uitstekende diagnostische prestaties, met gevoeligheid/specificiteit van 97,8%/100% voor ULD-CT en 98,9%/100% voor SD-CT. De AUC was 0,985 voor ULD-CT tegenover 0,991 voor SD-CT (verschil < niet-inferioriteitsmarge). De effectieve dosis werd met 63% verlaagd met ULD-CT (P < 0,001). De signaal-ruisverhouding daalde met 37% (P < 0,001), maar de diagnostische acceptatie (score ≥3) bleef behouden op 94,4% tegenover 97,8% (P = 0,070). Incidentele bevindingen werden vastgesteld bij 54 patiënten (30,0%), waaronder 19 mogelijk bruikbare bevindingen (10,6%) en 6 bevindingen met hoge significantie die dringend geëvalueerd moesten worden.

Ultra-low-dose CT toont een niet-inferieure diagnostische nauwkeurigheid vergeleken met SD-CT voor EFB-detectie, terwijl de stralingsblootstelling met meer dan 60% wordt verminderd. Deze bevindingen tonen potentieel voor ULD-CT als eerstelijnsmodaliteit voor vermoedelijke EFB's, in afwachting van multicentervalidatie.

Inleiding

Inname van vreemde voorwerpen blijft wereldwijd een veelvoorkomende noodpresentatie, waarbij slokdarm vreemde lichamen (EFB's) een klinisch belangrijke subset vormen die vaak dringende beeldvorming of endoscopische interventie vereist 1,2,3. Recente radiologiereviews benadrukken dat CT bijzonder waardevol is wanneer röntgenfoto's negatief zijn, het object radiolucent is, of complicaties zoals perforatie worden vermoed 1,2. Speciale patiëntenpopulaties, waaronder personen met een verstandelijke beperking of beperkte communicatie, kunnen te laat of met atypische symptomen optreden en kunnen niet-voedsel, scherpe randen of meerdere voorwerpen innemen, wat extra diagnostischeen beheersuitdagingen met zich meebrengt. Recente ziekenhuisstudies uit China tonen verder aan dat scherpe vreemde voorwerpen en voedselverstoppingen veelvoorkomende oorzaken blijven van EFB-presentatie bij volwassenen en oudere patiënten, hoewel landelijke incidentiegegevens nog steeds 5,6 missen.

Ondanks het klinische belang van nauwkeurige EFB-detectie blijven er grote kennislacunes bestaan over optimale beeldvormingsstrategieën. Huidige protocollen gebruiken doorgaans standaard stralingsdoses ontwikkeld voor algemene thoracale beeldvorming in plaats van indicatiespecifieke parameters die zijn geoptimaliseerd voor opvallende vreemde voorwerpen, terwijl dosisverlagingsrichtlijnen de nadruk leggen op het afstemmen van de blootstelling aan de diagnostische taak7. Bovendien hebben iteratieve reconstructie en deep learning-reconstructie in andere CT-toepassingen aanzienlijke stralingsreducties mogelijk gemaakt, maar hun impact op EFB-detectie is niet systematisch geëvalueerd in prospectieve gerandomiseerde onderzoeken8.

Traditionele beeldvormingsevaluatie van vermoedelijke EFB's is gebaseerd op gewone radiografie gevolgd door selectieve contrast-esophagografie of endoscopie voor radiolucente objecten 1,3,9. Toch is computertomografie (CT) steeds vaker de voorkeursmethode geworden vanwege de superieure gevoeligheid voor zowel radiopaque als radiolucent vreemde lichamen. Studies hebben aangetoond dat CT-gevoeligheid 100% nadert, vergeleken met 70%–80% voor gewone röntgenfoto's, met name voor visgraaten en andere laagdichtheidsmaterialen10,11. Het dwarsdoorsnedekarakter van CT geeft ook cruciale informatie over complicaties, waaronder perforatie, abcesvorming en vasculaire nabijheid, die het patiëntbeheer kunnen veranderen12,13.

De brede adoptie van CT heeft zorgen gewekt over cumulatieve stralingsblootstelling, vooral bij pediatrische populaties, waarbij het levenslange risico op kanker door medische beeldvorming het hoogste is:14,15. Traditionele CT-protocollen leveren effectieve doses van 8–12 mSv voor borstonderzoeken, wat de ontwikkeling van dosisreductiestrategieën stimuleert die aansluiten bij het principe van "zo laag als redelijkerwijs haalbaar" en moderne CT-dosisbeheersaanbevelingen 7,16.

Recente technologische vooruitgang heeft drastische dosisverlagingen mogelijk gemaakt terwijl de diagnostische kwaliteit behouden blijft. Iteratieve reconstructie-algoritmen zoals adaptieve statistische iteratieve reconstructie verminderen beeldruis vergeleken met gefilterde terugprojectie, waardoor lagere stralingsdosesmogelijk zijn 17. De nieuwste generatie deep learning image reconstruction (DLIR)-algoritmen maakt gebruik van convolutionele neurale netwerken die zijn getraind op hoogwaardige datasets om signaal van ruis te onderscheiden, waarmee superieure ruisreductie wordt bereikt ten opzichte van conventionele iteratieve technieken 8,18. Studies hebben aangetoond dat DLIR de diagnostische beeldkwaliteit kan behouden bij stralingsdoses die aanzienlijk lager zijn dan die gebruikt in standaardprotocollen19,20.

Ondanks de belofte van ultra-low-dose CT (ULD-CT) protocollen, blijft hun toepassing specifiek voor EFB-detectie ononderzocht in prospectieve gerandomiseerde onderzoeken. Eerdere studies van een CT van de borst met lage dosering richtten zich op het opsporen van longknobbels of algemene thoracale pathologie, in plaats van op de unieke diagnostische vereisten van de evaluatie van vreemde voorwerpen21,22. Daarnaast is de impact van dosisverlaging op de detectie van klinisch relevante incidentele bevindingen—een potentiële meerwaarde van CT-beeldvorming—in deze context niet systematisch geëvalueerd23.

Deze studie was bedoeld om deze kennistekorten aan te pakken door een prospectieve vergelijking uit te voeren van ULD-CT en standaarddosis CT (SD-CT) voor EFB-detectie. We stelden de hypothese op dat (1) ULD-CT niet-inferioriteit ten opzichte van SD-CT zou aantonen voor diagnostische nauwkeurigheid (non-inferioriteitsmarge δ = 5%); (2) de stralingsdosis aanzienlijk zou worden verlaagd terwijl de beeldkwaliteit acceptabel blijft; en (3) het bredere gezichtsveldvoordeel van CT zou het mogelijk maken om klinisch relevante incidentele bevindingen te detecteren die het patiëntenbeheer kunnen beïnvloeden buiten de presenterende klacht.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Deze prospectieve, gerandomiseerde, blinde-lezer studie werd uitgevoerd in een tertiair zorgcentrum (The First Hospital of Hebei Medical University) tussen januari 2024 en juni 2025. Deze studie werd uitgevoerd in overeenstemming met de Verklaring van Helsinki en goedgekeurd door de Ethische Commissie van het Eerste Ziekenhuis van de Hebei Medische Universiteit (Goedkeuringsnummer: [2025]YS-062), en alle patiënten of hun wettelijke voogden gaven schriftelijke geïnformeerde toestemming voorafgaand aan inschrijving. Voor minderjarigen werd geïnformeerde toestemming verkregen op basis van leeftijd en capaciteit: voor deelnemers jonger dan 8 jaar werd schriftelijke geïnformeerde toestemming verkregen van hun wettelijke voogden, met aanvullende toestemming van het kind wanneer het in staat was te begrijpen; Voor deelnemers van 8–17 jaar werd schriftelijke geïnformeerde toestemming verkregen van zowel de minderjarige als hun wettelijke voogd, waarbij informatie op een leeftijdsadequate leeftijd werd verstrekt; Deelnemers van 16–17 jaar die financiële onafhankelijkheid aantoonden via hun eigen arbeidsinkomen, werden als volledig burgerlijk capabel beschouwd en konden onafhankelijke toestemming geven. De studie is geregistreerd bij het UK Clinical Study Registry, registratienummer ISRCTN13588740.

Studieontwerp
De patiëntrandomisatie werd uitgevoerd met behulp van een computergegenereerde sequentie met gepermuteerde blokken van verschillende groottes (4, 6 en 8), gestratificeerd op leeftijdsgroep (pediatrisch < 18 jaar versus volwassen ≥ 18 jaar). De toewijzingsverberging werd gehandhaafd door verzegelde, ondoorzichtige enveloppen die direct voor de CT-scan werden geopend. Alle beeldinterpretatoren, endoscopisten en chirurgen waren blind voor de CT-protocoltoewijzing.

Studiepopulatie
Inclusiecriteria
In aanmerking komende deelnemers waren patiënten van 3–80 jaar die zich aanmeldden op de spoedeisende hulp en werden doorverwezen voor CT-evaluatie op basis van institutionele protocollen (voornamelijk voor vermoedelijke radiolucente vreemde lichamen die niet zichtbaar zijn op gewone röntgenfoto, klinische vermoedens van complicaties, of noodzaak van precieze lokalisatie voorafgaand aan de interventie), met (1) een voorgeschiedenis van inname van vreemde voorwerpen binnen 6 uur na presentatie; (2) symptomen die wijzen op slokdarmimpatie, waaronder dysfagie, odynofage, pijn op de borst of hyperspeeksel; en (3) geplande endoscopische of chirurgische evaluatie binnen 12 uur na CT-beeldvorming. Het 6-uursvenster werd gekozen om te waarborgen dat patiënten acute presentaties vertegenwoordigden, terwijl voldoende tijd was voor beeldvorming en endoscopische evaluatie, hoewel dit de generaliseerbaarheid kan beperken tot vertraagde presentaties die vaak voorkomen bij bepaalde vreemde lichaamtypes, zoals visgraten.

Exclusiecriteria
Patiënten werden uitgesloten als zij (1) ernstige cardiorespiratoire instabiliteit hadden die onmiddellijke interventie vereiste; (2) zwangerschap of een positieve zwangerschapstest; (3) een bekende contrastallergie (voor uitgebreide scans wanneer klinisch geïndiceerd); (4) eerdere slokdarmoperatie of bekende slokdarmstrictuur; (5) metalen implantaten die aanzienlijke artefacten veroorzaken die >30% van het slokdarmonderzoekgebied aantasten; en (6) body mass index (BMI) > 40 kg/m² (door mogelijke verslechtering van de beeldkwaliteit bij ultra-lage doses).

Computedtomografie-scanprotocollen
Alle onderzoeken werden uitgevoerd op 256-slice multi-detector CT-scanners met diepe lering reconstructiemogelijkheden. Patiënten werden op rug geplaatst met hun armen boven hun hoofd geheven wanneer mogelijk. Er werd geen orale contrastmiddelstof toegediend om te voorkomen dat vreemde voorwerpen werden verborgen of endoscopie werden vertraagd.

Het SD-CT-protocol maakte gebruik van parameters die overeenkwamen met het routinematige borst-CT-protocol van onze instelling: een buisspanning van 120 kV, een referentiebuisstroom van 200 mA met automatische buisstroommodulatie (ATCM) ingeschakeld, een rotatietijd van 0,5 s, een pitch van 0,992 en collimatie van 0,625 mm. Beelden werden gereconstrueerd met gefilterde terugprojectie met 30% adaptieve statistische iteratieve reconstructie-blending, wat de huidige klinische standaard op de deelnemende locatie vertegenwoordigt. De reden voor 120 kV was gebaseerd op standaard thoracale beeldvormingsprotocollen die geoptimaliseerd zijn voor algemene diagnostische doeleinden.

Het ULD-CT-protocol gebruikte agressieve dosisreductiestrategieën: een buisspanning van 100 kV, een referentiebuisstroom van 50 mA met ATCM (bereik 10–80 mA), en een identieke rotatietijd en toonhoogte als het SD-protocol. De parameters van 100 kV/50 mA werden geselecteerd op basis van voorlopige fantoomstudies die aantoonden dat vreemde voorwerpen bij deze instellingen werden aangetoond in combinatie met geavanceerde reconstructie. Ruwe gegevens werden gereconstrueerd met 80% adaptieve statistische iteratieve reconstructie-blending, gevolgd door DLIR bij gemiddelde sterkte. Deze duale reconstructie-aanpak maximaliseerde ruisreductie terwijl anatomische details behouden bleven en het plastische uiterlijk dat soms geassocieerd wordt met agressieve iteratieve reconstructie vermijdt.

Voor beide protocollen werden beelden gereconstrueerd met een sneeddikte van 0,625 mm en een overlap van 0,5 mm om multiplanaire hervormingen mogelijk te maken. Het scanbereik strekte zich uit van de onderste hals (C3-niveau) tot aan de gastro-oesofageale overgang, met zorgvuldige positionering om borstweefselinclusie bij vrouwelijke patiënten te minimaliseren. Dosisreductiefuncties, waaronder orgaangebaseerde buisstroommodulatie en adaptieve collimatie, werden voor alle scans ingeschakeld.

Dataverzameling en variabelen
Patiëntkenmerken
Demografische en klinische gegevens die werden verzameld, omvatten leeftijd, geslacht, BMI, presentatiesymptomen, tijd van inname tot beeldvorming, type vreemd voorwerp dat door de anamnese is gerapporteerd, relevante comorbiditeiten (diabetes mellitus, chronische obstructieve longziekte, eerdere thoracale maligniteit) en eerdere CT-onderzoeken binnen 6 maanden.

Vreemde lichaamskenmerken
Voor bevestigde EFB-gevallen werden de volgende gedocumenteerd: (1) materiaalsamenstelling (bot, metaal, voedselbolus, plastic, overig); (2) maximale dimensie gemeten op CT; (3) demping in Hounsfield-eenheden (HU) gemeten met een gestandaardiseerd 5 mm2 interessegebied; (4) anatomische locatie met behulp van vastgestelde herkenningspunten (cervicale C3–C7, bovenste thoracale T1–T4, middenthoracale T5–T8, onderste thoracale T9–T12); en (5) de aanwezigheid van complicaties, waaronder perforatie, pneumomediastinum of vorming van abcessen.

Beeldkwaliteitsbeoordeling
Objectieve beeldkwaliteitsmetrics werden gemeten door een medisch natuurkundige die blind was voor de protocoltoewijzing. De signaal-ruisverhouding (SNR) werd berekend als de gemiddelde demping van de dalende aorta gedeeld door de standaarddeviatie van subcutaan vet. De contrast-ruisverhouding werd berekend als het verschil in verzwakking tussen aortabloed en paraspinale spier gedeeld door beeldruis. Om beter af te stemmen op de diagnostische taak werden aanvullende metingen uitgevoerd in het paraoesofageale vet. Metingen werden uitgevoerd op axiale beelden op drie gestandaardiseerde niveaus (aortaboog, carina en midden-slokdarm) met cirkelvormige interessegebieden (150 mm2) die consequent werden geplaatst met behulp van anatomische herkenningspunten.

De subjectieve beeldkwaliteit werd onafhankelijk beoordeeld door twee thoracale radiologen met 8 jaar en 12 jaar ervaring. Beelden werden beoordeeld op diagnostische werkstations met gestandaardiseerde zachte weefsel- en longvensterinstellingen (vensterbreedte: 350 HU, vensterniveau: 40 HU voor zacht weefsel; vensterbreedte: 1.500 HU, vensterniveau: -600 HU voor longevaluatie), consistent met routinematige thoracale CT-interpretatie en artefactherkenningsprincipes24. Lezers scoorden de volgende parameters op een 5-punts Likert-schaal: (1) randdefinitie van de mediastinale structuren; (2) beeldruis; (3) diagnostisch vertrouwen voor het detecteren van vreemde voorwerpen; en (4) algehele diagnostische kwaliteit. Een score ≥3 werd diagnostisch acceptabel beschouwd. Verschillen tussen lezers werden opgelost via consensusbeoordeling, waarbij de consensusscore werd gebruikt voor de analyse. Inter-lezersovereenstemming werd beoordeeld met behulp van gewogen kappa-statistieken.

Stralingsdosismetrieken
De scanner-gerapporteerde volume CT-dosisindex (CTDIvol) en het dosislengte product werden voor elk onderzoek geregistreerd. De effectieve dosis (ED) werd berekend met behulp van leeftijds- en geslachtsspecifieke conversiefactoren (k = 0,014 mSv·mGy⁻1·cm⁻1 voor volwassenen; leeftijdsgecorrigeerde factoren voor pediatrische patiënten) op basis van publicatie 103 van de International Commission on Radiological Protection Publicatie25. Grootte-specifieke dosisschattingen werden berekend met behulp van anteroposterior en laterale afmetingen van de patiënt, gemeten op het midden van de borst.

Referentiestandaard
De referentiestandaard voor aanwezigheid en locatie van vreemde voorwerpen werd vastgesteld door endoscopische visualisatie of chirurgische bevindingen die binnen 12 uur na CT-beeldvorming werden uitgevoerd voor alle gerandomiseerde patiënten, ongeacht de toewijzing van het CT-protocol of het CT-resultaat. Endoscopierapporten werden beoordeeld door twee gastro-enterologen om de vreemde lichaamkenmerken en anatomische locatie te bevestigen met behulp van gestandaardiseerde herkenningspunten. Wanneer endoscopie of operatie geen achtergebleven vreemd voorwerp aantoonde, bevestigde klinische follow-up na 30 dagen via een dossierbeoordeling en telefonisch contact de afwezigheid van gemiste vreemde voorwerpen, met specifieke vragen naar terugkeerbezoeken, vertraagde complicaties of de noodzaak van herhaalde beeldvorming of endoscopie. Er werd een uniforme referentiestandaardtoepassing gebruikt om differentiële verificatiebias te minimaliseren.

Incidentele bevindingen
Alle CT-onderzoeken werden systematisch beoordeeld op toevallige bevindingen die niet gerelateerd waren aan de indicatie voor beeldvorming door dezelfde twee radiologen die de kwaliteitsbeoordeling uitvoerden. De bevindingen werden gecategoriseerd op anatomische locatie (pulmonaal, mediastinaal, cardiovasculair, bovenbuik, bot, overig) en klinische relevantie. De klinische significantie werd als volgt geclassificeerd: (1) lage bevindingen die geen follow-up vereisten (bijv. eenvoudige levercystes, degeneratieve wervelveranderingen); (2) matig—bevindingen die mogelijk vervolgbeeldvorming vereisen (bijv. schildklierknobbels > 1 cm, onbepaalde bijnierknobbels); (3) hoog—bevindingen die dringend evaluatie of interventie vereisen (bijv. verdachte longknobbels, aorta-aneurysma > 5 cm, verdachte borstmassa's). Leeftijds- en geslachtsverdelingen van de incidentele bevindingen werden geregistreerd, en downstream beheersroutes werden gedocumenteerd voor alle bruikbare bevindingen.

Statistische analyse
Berekening van steekproefgrootte
De steekproefgrootte werd berekend op basis van het primaire eindpunt van diagnostische nauwkeurigheid (het gebied onder de curve; AUC). Uitgaande van een standaarddosis AUC van 0,97 op basis van de literatuur en een verwachte ULD-CT AUC van 0,95, werd een non-inferioriteitsmarge van 5 procentpunten a priori gekozen omdat een AUC-verlies van meer dan 0,05 klinisch significant genoeg zou zijn om de beeldvorming triage te veranderen, terwijl een kleinere reductie acceptabel werd geacht in balans met een aanzienlijke stralingsvermindering en verplichte endoscopische of chirurgische bevestiging. Met een eenzijdige alfa van 0,025, 80% power, onafhankelijke patiëntengroepen en ROC-gebaseerde steekproefgrootte-aannames voor diagnostische nauwkeurigheidsstudies waren 26.166 patiënten vereist. Rekening houdend met een uitvalpercentage van 8% of technische falen, was het streefaantal inschrijvingen 180 patiënten.

Primaire analyse
De primaire analyse vergeleek het gebied onder de receiver operating characteristic (ROC)-curve tussen ULD-CT en SD-CT voor vreemde voorwerpendetectie. Non-inferioriteit werd verklaard als de ondergrens van het 95% betrouwbaarheidsinterval (BI) voor het AUC-verschil (ULD-CT minus SD-CT) boven -0,05 uitkwam, en ROC-curves werden geconstrueerd met behulp van betrouwbaarheidsscores van radiologen (schaal 1–5) als diagnostische variabele. Omdat dit een parallelle arm was met onafhankelijke patiëntengroepen, werd de DeLong-methode voor onafhankelijke ROC-curve vergelijking gebruikt voor statistisch testen27. Lezersscores werden gemiddeld wanneer beide lezers beoordelingen gaven, en dit gemiddelde werd gebruikt als diagnostische variabele voor ROC-analyse. Gevoeligheids- en specificiteitsnoemers vertegenwoordigen respectievelijk referentiestandaard positieve en referentiestandaard negatieve diagnostische beslissingseenheden, in plaats van het totale aantal gerandomiseerde deelnemers in elke protocolarm.

Secundaire analyses
Gezien het gerandomiseerde parallelle arm gebruikten alle vergelijkende analyses onafhankelijke steekproefmethoden. Continue variabelen (dosismetrics, beeldkwaliteitsscores) werden vergeleken tussen protocollen met onafhankelijke steekproef t-tests of Mann-Whitney U-tests op basis van distributienormaliteit beoordeeld door Shapiro-Wilk-testen. Categorische variabelen werden vergeleken met chi-kwadraattests of Fisher's exacte tests voor ongepaarde verhoudingen. Gevoeligheid, specificiteit en nauwkeurigheid werden vergeleken met behulp van Wald CI's en chi-kwadraattests voor onafhankelijke steekproeven. Inter-lezer overeenstemming werd beoordeeld met behulp van gewogen kappa-statistieken met kwadratische gewichten binnen elke protocolarm apart.

Subgroepanalyses onderzochten diagnostische prestaties, gestratificeerd op (1) leeftijdsgroep (pediatrisch vs. volwassen); (2) vreemde lichaamsdichtheid (hoog > 100 vs. laag ≤ 100 HU); (3) BMI-categorieën (<25, 25–30, >30 kg/m2); en (4) anatomische locatie (cervicale vs. thoracale slokdarm). Interactietermen werden formeel getest met behulp van logistische regressiemodellen.

Multivariabele logistische regressie identificeerde voorspellers van gemiste of onbepaalde vreemde lichamen, met kandidaatvariabelen zoals de grootte, dichtheid, anatomische locatie, patiënt-BMI, beeldruis (SNR) en reconstructie-algoritme. Interactietermen voor protocol × dichtheid en protocol × BMI werden opgenomen op basis van a priori hypothesen. Modelselectie gebruikte achterwaartse eliminatie met een retentiedrempel van P < 0,10.

Voor incidentele bevindingen, omdat patiënten gerandomiseerd waren naar verschillende protocollen en niet beide scans ondergingen, waren gevoeligheids- en overeenkomstberekeningen tussen protocollen niet passend en werden uit de analyse verwijderd. In plaats daarvan vergeleken we de prevalentie en verdeling van incidentele bevindingen tussen protocollen met behulp van chi-kwadraattests.

Contrastversterkte onderzoeken (uitgevoerd bij 23 patiënten in de SD-CT-arm en 21 patiënten in de ULD-CT-arm op basis van een klinische indicatie voor vasculaire of mediastinale evaluatie) werden afzonderlijk geanalyseerd om de invloed op diagnostisch vertrouwen en toevallige bevindingsdetectie te beoordelen.

Alle analyses volgden de intention-to-treat-principes. Ontbrekende gegevens (<2% in totaal) werden verwerkt met meervoudige imputatie en 10 geïmputeerde datasets. Statistische analyses werden uitgevoerd met R versie 4.3.2 en MedCalc versie 20.0. Tweezijdige P-waarden < 0,05 werden als statistisch significant beschouwd, behalve in de primaire niet-inferioriteitsanalyse.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Patiëntendemografie en scanparameters
Tussen januari 2024 en juni 2025 werden 198 patiënten beoordeeld op geschiktheid (Aanvullende Figuur 1). Achttien patiënten werden uitgesloten (8 vanwege directe chirurgische indicaties, 6 met een BMI > 40 kg/m2, en 4 die toestemming weigerden), waardoor 180 patiënten gelijk werden ingedeeld in het SD-CT- en ULD-CT-protocol. Alle patiënten voltooiden hun toegewezen CT-protocol en referentie...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Deze prospectieve gerandomiseerde studie toont aan dat ULD-CT met DLIR diagnostische nauwkeurigheid behaalt die niet inferieur is aan die van SD-CT voor EFB-detectie, terwijl de stralingsblootstelling met 63% wordt verminderd. De aanhoudende detectie van klinisch significante incidentele bevindingen suggereert dat dosisverlaging dit belangrijke secundaire voordeel niet hoeft te compromitteren, wat het potentieel ondersteunt van ULD-CT als primaire beeldvormingsstrategie voor vermoedelijk...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

Geen van de auteurs heeft persoonlijke, financiële, commerciële of academische belangenconflicten.

Dankbetuigingen

De studie werd uitgevoerd met financiering van het Hebei Province Medical Science Research Key Project (nr. 20180252).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Advantage Workstation (AW) 4.7GE Healthcarehttps://www.gehealthcare.com/en-us/products/imaging-applications/advanced-visualization-applications/advantage-workstationBeeldvormingswerkstation
ASiR-V (Adaptive Statistical Iterative Reconstruction-V)GE HealthcareN/AAdaptieve statistische iteratieve reconstructie
AW Server 3.2 Ext 4.0GE Healthcarehttps://www.gehealthcare.com/en-us/products/advanced-visualization-platforms/aw-serverCT-systeemsoftware
Centricity Universal Viewer 6.0GE Healthcarehttps://www.gehealthcare.com/en-us/products/software/enterprise-imaging/centricity-universal-viewerPACS-viewer
MedCalc version 20.0 (MedCalc Software; RRID:SCR_015044)MedCalc SoftwareVersie 20.0Medische statistiek
Organ Dose ModulationGE HealthcareN/AOrgaangebaseerde buisstroommodulering
pROC package voor RCRAN-repositoryVersie 1.18.4ROC-curve-analyse
R-versie 4.3.2 (R Foundation for Statistical Computing)R FoundationRRID:SCR_001905Statistisch computergebruik
Revolution CT (256-slice)GE Healthcarehttps://www.gehealthcare.com/en-us/products/computed-tomography/revolutionCT-scanner
Smart mAGE HealthcareN/AAutomatische buisstroommodulering
Standaardkernel (zacht weefsel)GE HealthcareN/AReconstructiekernel
TrueFidelity DLIR (Deep Learning Image Reconstruction), Medium strengthGE Healthcarehttps://www.gehealthcare.com/en-us/products/computed-tomography/applications/true-fidelityDeep learning beeldreconstructie

Referenties

  1. Lee SM, Baek SE, Lee CW, Kim YC, Kim MJ. Foreign body ingestion: Radiologic evaluation, findings, and management. Korean J Radiol. 2025;26(7):638-649.
  2. Klein A, Ovnat-Tamir S, Marom T, Gluck O, Rabinovics N, Shemesh S. Fish bone foreign body: The role of imaging. Int Arch Otorhinolaryngol. 2019;23(1):110-115.
  3. Rodriguez H, et al. Management of foreign bodies in the airway and oesophagus. Int J Pediatr Otorhinolaryngol. 2012;76(Suppl 1):S84-91.
  4. Topaloglu O, et al. Diagnosis, treatment, and management of esophageal foreign bodies in patients with mental retardation: A retrospective study from three centers. Turk Gogus Kalp Dama. 2024;32(2):179-184.
  5. Xu J, Chen B, Liu Y. Clinical outcomes of sharp esophageal foreign bodies in elderly patients: A retrospective study from Wuhan, China. Front Med. 2025;12:1653609.
  6. Liu B, Kuang S, Cao M, Li X. Esophageal foreign bodies: A retrospective analysis of 275 cases. J Thorac Dis. 2025;17(6):4136-4144.
  7. McCollough CH, Bruesewitz MR, Kofler JM Jr. CT dose reduction and dose management tools: Overview of available options. Radiographics. 2006;26(2):503-512.
  8. Greffier J, et al. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: A phantom study. Eur Radiol. 2020;30(7):3951-3959.
  9. Das D, May G. Best evidence topic report. Is CT effective in cases of upper oesophageal fish bone ingestion? Emerg Med J. 2007;24(1):48-49.
  10. Braverman I, Gomori JM, Polv O, Saah D. The role of CT imaging in the evaluation of cervical esophageal foreign bodies. J Otolaryngol. 1993;22(4):311-314.
  11. Eliashar R, Dano I, Dangoor E, Scialom S, Regev E, Sichel JY. Computed tomography diagnosis of esophageal bone impaction: A prospective study. Ann Otol Rhinol Laryngol. 1999;108(7 Pt 1):708-710.
  12. Marco De Lucas E, et al. Value of helical computed tomography in the management of upper esophageal foreign bodies. Acta Radiol. 2004;45(4):369-374.
  13. Liu YC, Zhou SH, Ling L, Lv H, Lu HS, Guan RF. Value of helical computed tomography in the early diagnosis of esophageal foreign bodies in adults. Am J Emerg Med. 2013;31(9):1328-1332.
  14. Brenner DJ, Hall EJ. Computed tomography—An increasing source of radiation exposure. N Engl J Med. 2007;357(22):2277-2284.
  15. Strauss KJ, Kaste SC. The ALARA (as low as reasonably achievable) concept in pediatric CT intelligent dose reduction. Multidisciplinary conference organized by the Society of Pediatric Radiology. August 18-19, 2001. Pediatr Radiol. 2002;32(4):217-313.
  16. Strauss KJ, et al. Image gently: Ten steps you can take to optimize image quality and lower CT dose for pediatric patients. AJR Am J Roentgenol. 2010;194(4):868-873.
  17. Singh S, et al. Abdominal CT: Comparison of adaptive statistical iterative and filtered back projection reconstruction techniques. Radiology. 2010;257(2):373-383.
  18. Akagi M, et al. Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT. Eur Radiol. 2019;29(11):6163-6171.
  19. Kim JH, Yoon HJ, Lee E, Kim I, Cha YK, Bak SH. Validation of deep-learning image reconstruction for low-dose chest computed tomography scan: Emphasis on image quality and noise. Korean J Radiol. 2021;22(1):131-138.
  20. Nakamura Y, et al. Deep learning-based CT image reconstruction: Initial evaluation targeting hypovascular hepatic metastases. Radiol Artif Intell. 2019;1(6):e180011.
  21. Jiang B, et al. Deep learning reconstruction shows better lung nodule detection for ultra-low-dose chest CT. Radiology. 2022;303(1):202-212.
  22. Park C, Choo KS, Jung Y, Jeong HS, Hwang JY, Yun MS. CT iterative vs deep learning reconstruction: Comparison of noise and sharpness. Eur Radiol. 2021;31(5):3156-3164.
  23. O'Sullivan JW, Muntinga T, Grigg S, Ioannidis JPA. Prevalence and outcomes of incidental imaging findings: Umbrella review. BMJ. 2018;361:k2387.
  24. Barrett JF, Keat N. Artifacts in CT: Recognition and avoidance. Radiographics. 2004;24(6):1679-1691.
  25. The 2007 recommendations of the International Commission on Radiological Protection. ICRP Publication 103. Ann ICRP. 2007;37(2-4):1-332.
  26. Obuchowski NA, McClish DK. Sample size determination for diagnostic accuracy studies involving binormal ROC curve indices. Stat Med. 1997;16(13):1529-1542.
  27. DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: A nonparametric approach. Biometrics. 1988;44(3):837-845.
  28. Venkatesh SH, Venkatanarasimha Karaddi NK. CT findings of accidental fish bone ingestion and its complications. Diagn Interv Radiol. 2016;22(2):156-160.
  29. Takada M, Kashiwagi R, Sakane M, Tabata F, Kuroda Y. 3D-CT diagnosis for ingested foreign bodies. Am J Emerg Med. 2000;18(2):192-193.
  30. Hsieh J, Liu E, Nett B, Tang J, Thibault JB, Sahney S. A new era of image reconstruction: TrueFidelity™. Technical white paper. GE Healthcare; 2019: https://www.gehealthcare.com/-/jssmedia/gehc/us/files/products/computed-tomography/revolution-family/revolution-apex/truefidelity-white-paper-jb68676xx-doc2287426_13nov2023.pdf?rev=43dd9d519d2546d28dcee020ff160edb.
  31. Noda Y, et al. Deep learning image reconstruction for pancreatic low-dose computed tomography: Comparison with hybrid iterative reconstruction. Abdom Radiol (NY). 2021;46(9):4238-4244.
  32. Yu L, Li H, Fletcher JG, McCollough CH. Automatic selection of tube potential for radiation dose reduction in CT: A general strategy. Med Phys. 2010;37(1):234-243.
  33. National Research Council. Health risks from exposure to low levels of ionizing radiation: BEIR VII Phase 2. National Academies Press; Washington, DC; 2006.
  34. Shishido T, Suzuki J, Ikeda R, Kobayashi Y, Katori Y. Characteristics of fishbone foreign bodies in the upper aero-digestive tract: The importance of identifying the species of fish. PLoS One. 2021;16(8):e0255947.
  35. Corbisiero MF, Wershoven N, Clary M, Cervenka B. Traumatic vocal fold paralysis from fishbone foreign body: Diagnosis and management. Laryngoscope. 2024;134(12):5062-5065.
  36. Jacobs PC, Mali WP, Grobbee DE, van der Graaf Y. Prevalence of incidental findings in computed tomographic screening of the chest: A systematic review. J Comput Assist Tomogr. 2008;32(2):214-221.
  37. MacMahon H, et al. Guidelines for management of incidental pulmonary nodules detected on CT images: From the Fleischner Society 2017. Radiology. 2017;284(1):228-243.
  38. Berrington de Gonzalez A, et al. Projected cancer risks from computed tomographic scans performed in the United States in 2007. Arch Intern Med. 2009;169(22):2071-2077.
  39. Pickhardt PJ, et al. Unsuspected extracolonic findings at screening CT colonography: Clinical and economic impact. Radiology. 2008;249(1):151-159.
  40. Zacharias C, et al. Pediatric CT: Strategies to lower radiation dose. AJR Am J Roentgenol. 2013;200(5):950-956.
  41. Sammer MBK, et al. Chest CT for the diagnosis of pediatric esophageal foreign bodies. Curr Probl Diagn Radiol. 2021;50(5):566-570.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Tags

GeneeskundeEditie 234Editie 234stralingsblootstellingdiagnostiek
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.