Endoscopic identification of urinary stone composition: A study of South Eastern Group for Urolithiasis Research (SEGUR 2)

Sampogna, G.; Bašić, Dragoslav; Geavlete, P.; Llopis, J.A. Galán; Santos, J. R.; Saltirov, I.; Sarıca, Kemal; Stavridis, Sotir; Skolarikos, Andreas; Trinchieri, Alberto; Arif, Chalil; Bağcıoğlu, Murat; Budía-Alba, A.; Romeu, Juan Pablo Caballero; Lorenzis, Elisa De; Dores, Joao; Eryıldırım, Bilal; Gatsev, Ognyan; Giannakopoulos, Stilianos; Hristoforov, Stefan; Jovanovic, M Jasmina; Karagiannis, A.; Lozanovski, Vladimir J; Maletta, Alessandro; Marin, Bloju; Montanari, Emanuele; Mostrov, Tomislav; Petkova, Kremena; Петров, П.В.; Sciorio, Carmine; Yürük, Emrah; Andreu, Pablo Vargas; Vasić, Vladimir; Castillo, Sara; Vuckovic, Bojan; Zanetti, S.P.

doi:10.1016/j.acuroe.2021.01.004

Cited by 5 publications

(4 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…E cerca de 15% das pessoas que apresentarem cálculo renal, será decorrente de infecção urinária sendo uma importante causa de formação dos cálculos renais, podendo prejudicar ainda cálculos pré-existentes, podendo comprometer de forma direta os rins, provocando casos de pielonefrite crônica, perda da função renal, e quando não tratada, pode levar ao óbito. 1 Graduanda do Curso de Biomedicina, FSM (20181054040@fsmead.com.br) ² Docente do Curso de Biomedicina, FSM (000448@fsmead.com.br) ³ Docente do Curso de Biomedicina, FSM (000650@fsmead.com.br) 4 Docente do Curso de Biomedicina, FSM (000499@fsmead.com.br) Conforme retratado por Sampogna et al (2021), fica evidenciado que a análise do cálculo auxilia para uma melhor abordagem e condução clínica do paciente. É através da investigação que se pode obter informações relevantes sobre os mecanismo que levaram a sua formação, bem como sua composição através dos elementos físico-químicos.…”

Section: Resultados E Discussõesunclassified

II Jornada Integrada da Faculdade Santa Maria

Oliveira¹,

Feitosa²,

Drumond³

et al. 2022

View full text Add to dashboard Cite

INTRODUÇÃO:Enteroparasitose é o termo referente a um conjunto de doenças causadas por vermes e helmintos que têm manifestações assintomáticas e sintomáticas que vão de simples desconfortos até obstruções intestinais, podendo culminar em óbito. Segundo a Organização Mundial da Saúde, esse grupo de doenças é um dos principais problemas da saúde pública mundial por ser diretamente ligado ao ciclo da pobreza, que abrange majoritariamente pessoas de locais longínquos e que sofrem com a falta de saneamento, condições inadequadas de higiene, escassez de água potável, moradias precárias e dificuldade no acesso aos programas govermentais de saúde. Além de suasaltas taxas de infecção e número de vítimas, essas enfermidades aumentam a decorrência de anemias, retardos cognitivos, desnutrição, irritabilidade e piora nos quadros das próprias parasitoses. OBJETIVO: Analisar a relação entre condições de saneamento básico com enteroparasitoses em regiões periféricas dos estados de Alagoas, Amazonas e Piauí. METODOLOGIA: Tratase de um estudo retrospectivo de parasitas intestinais, de natureza essencialmente descritiva e quantitativa, cujos dados são obtidos através do LILACS, BVS e SciELO e tem por tema "Parasitas Intestinais". Esses dados são classificados de acordo com as seguintes variáveis: faixa etária, características de enfermagem, internação e maior prevalência desses parasitas na população.RESULTADOS E DISCUSSÕES: Com a análise dos artigos foi constatada a prevalência de parasitoses intestinais com relação a carência de medidas sanitárias, sendo as mais comuns dos casos a Ascaris Lumbricoides, Giardia Lamblia, Entamoeba Coli e Histolyca nessas regiões é explicito que as condições precárias de saneamento são fatores fortemente ligados para uma maior incidência de parasitoses intestinais, visto que pessoas que residem nessas áreas não possuem condições de higiene suficientes para impedir que as parasitoses se manifestam. Ademais, ainda é pautado as características de cada região e quais fatores presentes em cada uma pode ampliar o risco de contágio. CONSIDERAÇÕES FINAIS: É necessário entender tanto os ciclos dos parasitos quanto as características das comunidades atingidas por eles para aplicar e desenvolver novas estratégias de combate. Nota-se que locais mais distantes dos centros urbanos apresentam maior prevalência pela falta de infraestrutura e de acesso à saúde.

show abstract

Section: Resultados E Discussõesunclassified

II Jornada Integrada da Faculdade Santa Maria

Oliveira¹,

Feitosa²,

Drumond³

et al. 2022

View full text Add to dashboard Cite

show abstract

“…However, the surgeon’s prediction of the component by looking at the stone through the endoscopic screen is limited and unreliable. Sampogna et al [ 15 ] reported the ability of surgeons to identify the composition of stones by observing endoscopic imaging. A total of 32 clinicians from 9 countries participated in the study.…”

Section: Discussionmentioning

confidence: 99%

“…The precision of struvite (15.6%), calcium phosphate (0%), and calcium oxalate/calcium phosphate mixture (9.3%) were significantly lower. As a result, during endoscopic procedures, the surgeon was able to identify some of the COD and cystine stones but concluded that they were unreliable in identifying the majority of the stone constituents [ 15 ].…”

Section: Discussionmentioning

confidence: 99%

Prediction of the composition of urinary stones using deep learning

et al. 2022

View full text Add to dashboard Cite

Purpose This study aimed to predict the composition of urolithiasis using deep learning from urinary stone images. Materials and Methods We classified 1,332 stones into 31 classes according to the stone composition. The top 4 classes with a frequency of 110 or more (class 1: calcium oxalate monohydrate [COM] 100%, class 2: COM 80%+struvite 20%, class 3: COM 60%+calcium oxalate dihydrate [COD] 40%, class 4: uric acid 100%) were selected. With the 965 stone images of the top 4 classes, we used the seven convolutional neural networks (CNN) to classify urinary stones and compared their classification performances. Results Among the seven models, Xception_Ir0.001 showed the highest accuracy, precision, and recall and was selected as the CNN model to predict the stone composition. The sensitivity and specificity for the 4 classes by Xception_Ir0.001 were as follows: class 1 (94.24%, 91.73%), class 2 (85.42%, 96.14%), class 3 (86.86%, 99.59%), and class 4 (94.96%, 98.82%). The sensitivity and specificity of the individual components of the stones were as follows. COM (98.82%, 94.96%), COD (86.86%, 99.64%), struvite (85.42%, 95.59%), and uric acid (94.96%, 98.82%). The area under the curves for class 1, 2, 3, and 4 were 0.98, 0.97, 1.00, and 1.00, respectively. Conclusions This study showed the feasibility of deep learning for the diagnostic ability to assess urinary stone composition from images. It can be an alternative tool for conventional stone analysis and provide decision support to urologists, improving the effectiveness of diagnosis and treatment.

show abstract

“…However, their results for COM were worse with a diagnostic accuracy of 41.8% vs a diagnostic accuracy of 54% and 59% in our study. 22 Black and colleagues were the first to describe a deep learning computer vision algorithm to recognize the composition of pure urolithiasis in 2020. They applied a neural network on digital photographs of 63 ex vivo urolithiasis (surface and section) and concluded that deep learning can be used to detect the composition of the most frequent urolithiasis.…”

Section: Discussionmentioning

confidence: 99%

How Reliable Is Endoscopic Stone Recognition? A Comparison Between Visual Stone Identification and Formal Stone Analysis

Henderickx

Stoots

Bruin

et al. 2022

Journal of Endourology

View full text Add to dashboard Cite

published version features the final layout of the paper including the volume, issue and page numbers. Link to publication General rightsCopyright and moral rights for the publications made accessible in the public portal are retained by the authors and/or other copyright owners and it is a condition of accessing publications that users recognise and abide by the legal requirements associated with these rights.• Users may download and print one copy of any publication from the public portal for the purpose of private study or research. • You may not further distribute the material or use it for any profit-making activity or commercial gain • You may freely distribute the URL identifying the publication in the public portal.If the publication is distributed under the terms of Article 25fa of the Dutch Copyright Act, indicated by the "Taverne" license above, please follow below link for the End User

show abstract

Endoscopic identification of urinary stone composition: A study of South Eastern Group for Urolithiasis Research (SEGUR 2)

Cited by 5 publications

References 12 publications

II Jornada Integrada da Faculdade Santa Maria

II Jornada Integrada da Faculdade Santa Maria

Prediction of the composition of urinary stones using deep learning

How Reliable Is Endoscopic Stone Recognition? A Comparison Between Visual Stone Identification and Formal Stone Analysis

Contact Info

Product

Resources

About