SciELO - Scientific Electronic Library Online

 
vol.64 issue3Laparoscopy in endometrial cancerHereditary gynecological cancer in the genomic era of medicine author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

  • Have no cited articlesCited by SciELO

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista Peruana de Ginecología y Obstetricia

On-line version ISSN 2304-5132

Abstract

SANCHEZ SALCEDO, Marco A. Valoración preoperatoria de la masa anexial. Rev. peru. ginecol. obstet. [online]. 2018, vol.64, n.3, pp.455-460. ISSN 2304-5132.  http://dx.doi.org/https://doi.org/10.31403/rpgo.v64i2111.

La masa anexial es la tumoración que puede localizarse en ovario, trompa de Falopio y el tejido conectivo que los rodea (mesosálpinx, mesoovario y ligamento ancho). Es un problema ginecológico común. La determinación del riesgo de benignidad o malignidad previa es esencial para un manejo posterior adecuado. Existe gran variedad de métodos radiológicos, biomarcadores o métodos clínicos prequirúrgicos y modelos predictivos que han sido estudiados y validados en diversas partes del mundo para poder diferenciar la etiología de las masas anexiales. J Kaijser y col. realizaron una revisión sistemática y metaanálisis del uso de modelos matemáticos predictivos en el diagnóstico prequirúrgico de masas anexiales. En la actualidad, la revisión de los diferentes estudios y revisiones sistemáticas muestran que ambos IOTA LR2 y Simple Rules son los mejores métodos de diagnóstico disponibles para poder diferenciar masas anexiales benignas y malignas en forma preoperatoria. En mujeres en edad reproductiva, esta disquisición es de vital importancia para la preservación de la fertilidad. Asimismo, los resultados predictivos de enfermedad benigna podrían ser tratados por especialistas ginecoobstetras o en hospitales generales y las pacientes con sospecha de malignidad ser referidas y tratadas por ginecólogos oncólogos.

Keywords : Masa anexial; Modelo predictivo; Cáncer de ovario.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License