CT versus MRI
Uitgangsvraag
Welke modaliteit en scanprotocol zijn aangewezen voor diagnose van HCC?
Aanbeveling
Overweeg bij patiënten met cirrose met verdenking van HCC die op de echo is gezien bij de primaire diagnostiek MRI met contrast toe te passen in plaats van CT.
- Gezien de kosten is er een voorkeur voor extracellulair gadolinium boven leverspecifiek contrast. Indien de MRI technisch, bijvoorbeeld door implantaten, of vanuit patiëntenoogpunt (bv. claustrofobie), niet mogelijk is, kan dit vervangen worden door CT.
- Wanneer de diagnose van HCC is gesteld met CT, is er alleen aanvullend MRI nodig wanneer er consequenties worden verwacht ten aanzien van het beleid.
Overwegingen
Voor- en nadelen van de interventie en de kwaliteit van het bewijs
Drie systematische reviews werden geïncludeerd (Roberts, 2018; Li, 2019; Chen, 2022). Voor de vergelijking van multi-fase CT ten opzichte van MRI met extracellulaire contrastvloeistof includeerden Roberts (2018) en Chen (2022) voor een deel dezelfde studies. Beide systematische literatuuronderzoeken includeerden patiënten met levercirrose. Zowel Roberts (2018) als Chen (2022) includeerden ook primaire studies die niet door de ander werden geïncludeerd en voerden hier meta-analyses mee uit. Beide systematische literatuuronderzoeken werden daarom besproken hoewel er een grote overlap bestaat. Met een lage zekerheid, veroorzaakt door een risico op vertekening en de heterogeniteit tussen de primaire studies, lijkt MRI met extracellulair contrastmiddel een wat hogere sensitiviteit te kunnen hebben dan de CT-scan. De specificiteit zou mogelijk gelijkwaardig kunnen zijn tussen beide modaliteiten. Echter rapporteerde Roberts (2018) een hogere specificiteit voor CT-scans bij laesies kleiner dan één centimeter, maar dit betreft data uit slechts twee primaire studies. Het gebied onder de curve (AUC, area under the curve) is mogelijk iets groter voor MRI met extracellulair contrastmiddel, maar relatief vergelijkbaar met CT-scans. Over het algemeen lijkt het patroon te ontstaan, voor zowel de CT-scan als MRI met extracellulair contrastmiddel, dat laesies moeilijker te classificeren lijken naar mate deze kleiner zijn.
Twee systematische literatuuronderzoeken vergeleken de prestaties van multi-fase CT-scans ten opzichte van MRI met gadoxetaat contrastmiddel (Roberts, 2018; Li, 2019). De geïncludeerde literatuur in beide systematische literatuuronderzoeken overlapte slechts met één primaire studie. Beide systematische literatuuronderzoeken bevatten ook meta-analyses. Met lage zekerheid, door een risico op vertekening en de heterogeniteit tussen de primaire studies, lijkt MRI met gadoxetaat contrastmiddel een hogere sensitiviteit te kunnen hebben dan de CT-scan en mogelijk een vergelijkbare specificiteit. Het gebied onder de curve (AUC) is mogelijk voor MRI met gaxodetaat wat groter dan voor CT-scans. Ook in deze vergelijking lijkt het patroon te ontstaan dat kleinere laesies door zowel CT-scans als MRI met gadoxetaat contrastmiddelen moeilijker te classificeren lijken dan grotere laesies.
De prestaties van CT en MRI werden in een hypothetisch cohort berekend op verschillende prevalenties van patiënten met een hepatocellulair carcinoom, zie Tabel 2.1.
Tabel 2.1 Classificaties van CT en MRI in een hypothetisch cohort van n=1000 berekend aan de hand van de gerapporteerde algehele gepoolde schatters van de sensitiviteit en specificiteit uit de systematische literatuuronderzoeken (Chen, 2022; Li, 2019; Roberts, 2018). Voor de berekening werd een prevalentie van 30%, 50% en 70% in het hypothetische cohort gebruikt.
|
Classificatie |
Prevalentie: 30% |
Prevalentie: 50% |
Prevalentie: 70% |
|||
|
CT |
MRI |
CT |
MRI |
CT |
MRI |
|
|
CT versus MRI (extracellulair contrast) |
||||||
|
- Chen 2022 |
||||||
|
Terecht positief |
189 (95%CI: 168-207) |
231 (95%CI: 210-252) |
315 (95%CI: 280-345) |
385 (95%CI: 350-420) |
441 (95%CI: 392-483) |
539 (95%CI: 490-588) |
|
Fout positief |
49 (95%CI: 35-105) |
42 (95%CI: 14-133) |
35 (95%CI: 25-75) |
30 (95%CI: 10-95) |
21 (95%CI: 15-45) |
18 (95%CI: 6-57) |
|
Fout negatief |
111 (95%CI: 93-132) |
69 (95%CI: 48-90) |
185 (95%CI: 155-220) |
115 (95%CI: 80-150) |
259 (95%CI: 217-308) |
161 (95%CI: 112-210) |
|
Terecht negatief |
651 (95%CI: 595-665) |
658 (95%CI: 567-686) |
465 (95%CI: 425-475) |
470 (95%CI: 405-490) |
279 (95%CI: 255-285) |
282 (95%CI: 243-294) |
|
- Roberts 2018 |
||||||
|
Terecht positief |
183 (95%CI: 162-261) |
225 (95%CI: 201-246) |
305 (95%CI: 270-435) |
375 (95%CI: 335-410) |
427 (95%CI: 378-609) |
525 (95%CI: 469-574) |
|
Fout positief |
91 (95%CI: 42-189) |
98 (95%CI: 35-224) |
65 (95%CI: 30-135) |
70 (95%CI: 25-160) |
39 (95%CI: 18-81) |
42 (95%CI: 15-96) |
|
Fout negatief |
117 (95%CI: 39-138) |
75 (95%CI: 54-99) |
195 (95%CI: 65-230) |
125 (95%CI: 90-165) |
273 (95%CI: 91-322) |
175 (95%CI: 126-231) |
|
Terecht negatief |
609 (95%CI: 511-658) |
602 (95%CI: 476-665) |
435 (95%CI: 365-470) |
430 (95%CI: 340-475) |
261 (95%CI: 219-282) |
258 (95%CI: 204-285) |
|
CT versus MRI (gadoxetaat contrast) |
||||||
|
- Li 2019 |
||||||
|
Terecht positief |
204 (95%CI: 153-243) |
255 (95%CI: 231-270) |
340 (95%CI: 255-405) |
425 (95%CI: 385-450) |
476 (95%CI: 357-567) |
595 (95%CI: 539-630) |
|
Fout positief |
56 (95%CI: 28-112) |
42 (95%CI: 21-84) |
40 (95%CI: 20-80) |
30 (95%CI: 15-60) |
24 (95%CI: 12-48) |
18 (95%CI: 9-36) |
|
Fout negatief |
96 (95%CI: 57-147) |
45 (95%CI: 30-69) |
160 (95%CI: 95-245) |
75 (95%CI: 50-115) |
224 (95%CI: 133-343) |
105 (95%CI: 70-161) |
|
Terecht negatief |
644 (95%CI: 588-672) |
658 (95%CI: 616-679) |
460 (95%CI: 420-480) |
470 (95%CI: 440-485) |
276 (95%CI: 252-288) |
282 (95%CI: 264-291) |
|
- Roberts 2018 |
||||||
|
Terecht positief |
219 (95%CI: 192-243) |
261 (95%CI: 237-279) |
365 (95%CI: 320-405) |
435 (95%CI: 395-465) |
511 (95%CI: 448-567) |
609 (95%CI: 553-651) |
|
Fout positief |
28 (95%CI: 21-70) |
42 (95%CI: 21-70) |
20 (95%CI: 15-50) |
30 (95%CI: 15-50) |
12 (95%CI: 9-30) |
18 (95%CI: 9-30) |
|
Fout negatief |
81 (95%CI: 57-108) |
39 (95%CI: 21-63) |
135 (95%CI: 95-180) |
65 (95%CI: 35-105) |
189 (95%CI: 133-252) |
91 (95%CI: 49-147) |
|
Terecht negatief |
672 (95%CI: 630-679) |
658 (95%CI: 630-679) |
480 (95%CI: 450-485) |
470 (95%CI: 450-485) |
288 (95%CI: 270-291) |
282 (95%CI: 270-291) |
Twee Cochrane reviews voerden meta-analyses uit voor CT (Nadarevic, 2021) en MRI (Nadarevic, 2022) afzonderlijk voor de detectie van hepatocellulair carcinomen van elke grootte en stadium bij volwassen patiënten met chronische leveraandoeningen, zonder een directe vergelijking tussen de modaliteiten. Voor CT werd een gepoolde sensitiviteit van 0,78 (95%BHI: 0,71 tot 0,83) en een specificiteit van 0,91 (95%BHI: 0,87 tot 0,95) gerapporteerd (Nadarevic, 2021). Voor MRI werd een sensitiviteit van 0,84 (95%BHI: 0,80-0,88) en een specificiteit van 0,94 (95%BHI: 0,90 tot 0,96) gerapporteerd (Nadarevic, 2022). De auteurs in beide Cochrane reviews beoordeelden het vertrouwen in de resultaten als ‘laag’. Deze resultaten en beoordelingen lijken in lijn te zijn met de geïncludeerde systematische literatuuronderzoeken die CT en MRI met elkaar direct hebben kunnen vergelijken.
Op basis van de geïncludeerde literatuur zijn er slechts indirecte vergelijkingen te maken voor het type contrastmiddel voor MRI. Bij deze indirecte vergelijking lijkt MRI met gadoxetaatzuur over het algemeen een hogere accuratesse te hebben dan een extracellulair contrast (Chen, 2022; Li, 2019; Roberts, 2018). Door de indirecte vergelijking neemt de zekerheid in het bewijs af en is het moeilijk om op basis van de gerapporteerde accuratesse parameters een uitspraak te doen over welk contrastmiddel de voorkeur geniet. De parameters zouden bijvoorbeeld kunnen variëren door verschillen in de studieopzet, setting en voorgaande testen, of verschillende karakteristieken in de steekproeven. Er is daardoor een directe vergelijking nodig binnen prospectieve cohorten die een case-control opzet vermijden om voor directe data te zorgen. De European Association for the Study of the Liver (EASL) stelt in haar richtlijn dat prospectieve studies met een directe vergelijking lijken te ontbreken (Galle, 2018). De zoekvraag in de huidige module zette CT af tegen MRI, waardoor er niet specifiek gezocht werd naar studies die de MRI-contrastmiddelen head-to-head vergeleken. Er is daardoor geen zekerheid dat er geen prospectieve studies zijn over dit onderwerp, in het bijzonder over eventuele studies die na de EASL richtlijn verschenen zouden kunnen zijn.
Het ‘Liver Reporting & Data System (LI-RADS) is een beknopt systeem ontwikkeld door een multidisciplinair team, te gebruiken bij de standaardisatie van de data-collectie, interpretatie en verslaglegging van bevindingen op leverbeeldvorming (American College of Radiology, 2018; Elmohr, 2021). Dit categorisatie-systeem wordt specifiek toegepast bij patiënten met risicofactoren op het ontwikkelen van een hepatocellulair carcinoom, zoals cirrose, chronische hepatitis B of een voorgeschiedenis met een eerder hepatocellulair carcinoom (American College of Radiology, 2018). Er zijn 2 categorisatie systemen, namelijk voor CT/MRI en voor contrastechografie. Het algoritme maakt onderscheid in de classificering van onbehandelde observaties zonder pathologisch bewijs bij patiënten met een hoge kans op een hepatocellulair carcinoom (American College of Radiology, 2018; Elmohr, 2021). Het CT/MRI LI-RADS algoritme categoriseert observaties in waarschijnlijkheidsniveaus waarin een hepatocellulair carcinoom aanwezig zou kunnen zijn. Deze variëren van LR-1 (zeker benigne) tot LR-5 (zeker een hepatocellulair carcinoom). Er bestaan ook categorieën voor niet-categoriseerbaar (LR-NC), waarschijnlijk of zeker maligne maar niet noodzakelijk een hepatocellulair carcinoom (LR-M) en een zekere ingroei van de tumor in een ader (LR-TIV). De diagnose is gebaseerd op verschillende combinaties van 5 belangrijke kenmerken en verschillende bijkomstige kenmerken. De hoofdkenmerken zijn: aanwezigheid van verhoogde aankleuring in de arteriële fase (niet ringvormig), non-perifere wash-out, grootte van de laesie, capsulaire aankleuring, en toename in grootte tussen opeenvolgende onderzoeken (>50% groei in <6maanden). De bijkomstige kenmerken worden opgedeeld in 3 groepen: algemene kenmerken die pleiten voor maligniteit, algemene kenmerken die pleiten voor HCC en algemene kenmerken die pleiten voor benigniteit. Het algoritme én de exacte indeling van de categorieën zijn terug te vinden in de LI-RADS CT/MRI beschrijving, zie hiervoor de meest recente versie op de website van de American College of Radiology.
Waarden en voorkeuren van patiënten (en eventueel hun verzorgers)
Het onderzoek met MRI duurt langer dan een CT-scan. Voor MRI is de duur ongeveer 30 minuten, tegenover ongeveer 10 minuten voor een CT-scan. Het voordeel van MRI is dat er geen gebruik wordt gemaakt van ioniserende straling. Het contrastmiddel dat voor MRI’s gebruikt wordt is daarnaast ook minder nefrotoxisch in vergelijking met de CT-scan, maar wel belastender voor het milieu. Het is belangrijk dat de beeldvorming een hoge kans op een terecht positieve classificatie heeft wanneer de ziekte daadwerkelijk aanwezig is en daarmee ook weinig fout-negatieve classificaties geeft.
Kosten (middelenbeslag)
Vanuit de geïncludeerde systematische literatuuronderzoeken in de literatuuranalyse werden er geen gegevens gevonden over de kosten(effectiviteit) voor de vergelijking tussen CT en MRI.
Aanvaardbaarheid, haalbaarheid en implementatie
Iedere patiënt heeft mogelijke toegang tot MRI en CT, maar de beschikbaarheid van MRI is eventueel een moeilijkheid. Een MRI duurt langer en is iets duurder dan een CT, maar heeft daarentegen geen ioniserende staling en is minder nefrogeen belastend. Er zijn in deze context geen subgroepen bekend waar andere overwegingen voor zouden gelden met betrekking tot de aanvaardbaarheid en implementatie. Het uitvoeren en interpreteren van een MRI lever is tevens basiskennis voor abdominale radiologen. Het lijkt daarom aannemelijk dat een MRI lever te implementeren is in de praktijk bij voldoende beschikbaarheid van MRI.
Rationale van de aanbeveling: weging van argumenten voor en tegen de interventies
Voor de diagnose van HCC bij patiënten met levercirrose lijkt de sensitiviteit van MRI hoger te zijn dat die van CT, met vergelijkbare specificiteit. De sensitiviteit van beeldvorming voor de diagnose van HCC is lager bij kleine laesies (<10mm en 11-20mm). Door de indirecte vergelijking tussen studies die opgenomen zijn in de literatuuranalyse lijkt het verkiezen van een constrastmiddel voor MRI boven een ander contrastmiddel op basis van de accuratesse op dit moment nog onvoldoende onderbouwd te zijn. De kosten van het leverspecifiek constrastmiddel zijn veel hoger dan het extra-cellulair Gadolinium contrastmiddel.
Onderbouwing
Achtergrond
Wanneer er een verdenking op HCC bij een patiënt is wordt er een 4-fasen CT-scan of contrast MRI uitgevoerd om een hepatocellulair carcinoom te detecteren. Zowel CT-scans als MR-beelden zijn zeer goed om de diagnose van een maligne focale leverlaesie te bevestigen. Meestal wordt er eerst een CT uitgevoerd en nadien beeldvorming met MR indien nodig. Een CT-scan is gemakkelijk en overal zeer snel toegankelijk. MR Imaging is uitstekend voor differentiatie, zeker bij problemen.
Conclusies
Multiphasic CT versus extracellular contrast-enhanced MRI
|
Low GRADE |
There is a low confidence in the reported sensitivities of CT compared to extracellular contrast-enhanced MRI, however MRI might have a somewhat higher sensitivity than CT in patients with liver cirrhosis suspected of a hepatocellular carcinoma. The sensitivity for both CT and MRI might increase with an increasing lesion size, but certainty decreases with larger confidence intervals.
Sources: (Roberts, 2018; Chen, 2022) |
|
Low GRADE |
There is a low confidence in the reported specificities of CT compared to extracellular contrast-enhanced MRI in patients with cirrhosis suspected of a hepatocellular carcinoma. Overall, the specificity of CT might be similar to extracellular contrast-enhanced MRI.
Sources: (Roberts, 2018; Chen, 2022) |
|
- GRADE |
No studies were included that reported the positive or negative predictive values of CT compared to extracellular contrast-enhanced MRI in patients with cirrhosis suspected of a hepatocellular carcinoma. |
|
Moderate GRADE |
There is a moderate confidence in the reported area under the curve of CT compared to extracellular contrast-enhanced MRI in patients with cirrhosis suspected of a hepatocellular carcinoma. Extracellular contrast-enhanced MRI could have a somewhat larger area under the curve than CT. The area under the curve for both CT and MRI might increase with an increasing lesion size.
Sources: (Chen, 2022) |
|
- GRADE |
No studies were included that reported the costs of CT compared to extracellular contrast-enhanced MRI in patients with cirrhosis suspected of a hepatocellular carcinoma. |
Multiphasic CT versus gadoxetate enhanced MRI
|
Low GRADE |
There is a low confidence in the reported sensitivities of CT compared to gadoxetate enhanced MRI in patients suspected of a hepatocellular carcinoma. However, MRI might have a somewhat higher sensitivity than CT. Sensitivity may decrease when the lesion is smaller than two centimeters.
Sources: (Roberts, 2018; Li, 2019) |
|
Low GRADE |
There is a low confidence in the reported specificities of CT compared to gadoxetate enhanced MRI in patients suspected of a hepatocellular carcinoma. Both MRI and CT might be somewhat comparable.
Sources: (Roberts, 2018; Li, 2019) |
|
- GRADE |
No studies were included that reported the positive or negative predictive values of CT compared to gadoxetate enhanced MRI in patients suspected of a hepatocellular carcinoma. |
|
Moderate GRADE |
There is a moderate confidence in the reported area under the curve of CT compared to gadoxetate enhanced MRI in patients suspected of a hepatocellular carcinoma. Gadoxetate enhanced MRI could have a somewhat larger area under the curve than CT.
Sources: (Li, 2019) |
|
- GRADE |
No studies were included that reported the costs of CT compared to gadoxetate enhanced MRI in patients suspected of a hepatocellular carcinoma. |
Samenvatting literatuur
Description of studies
Chen (2022) performed a systematic review and meta-analyses comparing contrast-enhanced CT-scans with extracellular contrast-enhanced MR imaging for diagnosing hepatocellular carcinomas in patients with chronic liver diseases. Studies were searched in Medline (through PubMed), Embase, Web of Science, and the Cochrane Library up to 1/5/’21. Studies were selected when the diagnostic performance of contrast-enhanced CT and of extracellular contrast-enhanced MRI were investigated in an adult population with chronic liver diseases for detecting hepatocellular carcinomas. Furthermore, the studied had to use pathologic evidence or and imaging follow-up (at least 6 months) as a reference standard, the studies could be retrieved, and the study reported head-to-head data sufficiently to construct 2-by-2 tables. Studies were excluded when the diagnostic accuracy of both modalities was not assessed or when no head-to-head comparison was available, were conference abstracts, case reports, commentaries, letters, reviews, meta-analyses, or other types of work. Ten primary studies were included and used for meta-analyses, of which 3 were retrospective and 7 were prospective. Number of patients in the samples ranged from 61 to 422 (% males: 55.8 to 86.7). The prevalence of hepatocellular carcinomas ranged between 32.6% to 76.1% on a per lesion basis. The index tests were a CT-scan (16, 64, and/or 128 rows, slice thickness ranging between 0.6-5mm (not reported in 2 studies)) and MRI (1.5T and/or 3T, slice thickness between 2 and 5 (not reported in 4 studies), using gadopentetate dimeglumine (=1) / gadodiamide (n=1) / gadobenate dimeglumine (n=2) / gadobenate dimeglutamine (n=1) / gadolinium diethylene triamine pentaacetic acid (n=1) / gadoterate meglumine (n=1) / gadolinium chelates n=1) / gadolinium (n=1) / extracellular contrast (not specified, n=1)). Acquisition time during the arterial phase ranged from 5 to 40 seconds for CT (not reported by 2 studies) and from 10 to 35 seconds for MrI (not reported in 4 studies). For the portal venous phase, this was 60 to 90 seconds with CT (not reported in 2 studies) and 60 to 80 seconds for MRI (not reported by 3 studies). Diagnosis in the primary studies was based on LI-RADS (v2014, v2018), EASL2001/AASLD 2005, or based on arterial hyper-enhancement/wash-out during the portal venous phase. Authors assessed the risk of bias using the QUADAS-2 tool.
Li (2019) included studies about the diagnostic accuracy of Gd-EOB-DPTA-MRI and MDCT for detecting a hepatocellular carcinoma in suspected patients for their systematic review and meta-analysis. The search was performed on 8 January 2019 in PubMed, Embase and the Cochrane Library with the language limited to English. Studies were included when the diagnostic accuracy of MDCT and Gd-EOB-DPTA-MRI was assessed, the study included more than 30 cases, the reference standard was pathology after liver explant / resection / biopsy or was imaging follow-up, when data was available to construct a 2-by-2 table, the design was prospective, and the article was written in English. Studies were excluded when the design was retrospective, when the participant only had a CT or MRI (instead of both), the publication was a letter, systemic evaluation, literature review, comment, animal model, conference abstract, or written in non-English. Eight studies were included. The authors assessed the studies with the QUADAS-2 tool for their risk of bias. The included studies used CT (16/40/64 rows) and MRI (1.5-3T) and diagnosed hepatocellular carcinomas based on the LI-RADS criteria (n=3), arterial hyperenhancement/washout in the portal venous phase (n=4), or any two positive criteria from a set of five (n=1). Number of patients in the studies ranged from 33 to 131 (27 to 85 males per study) and the number of lesions in the studies ranged from 48 to 132. Follow-up was at least six months in all studies. Prevalence in the studies, based on the number hepatocellular carcinomas and number of overall lesions, ranged from 53.6% to 100%.
Roberts (2018) performed a systematic review to assess the performance of multiphasic CT-scans compared to multiphasic MR imaging in patients with cirrhosis suspected of hepatocellular carcinomas. The databases Ovid MEDLINE (including Medline In-Process& Other Non-Indexed Citations), EMBASE, Cochrane Central Register of Controlled Trials, and Scopus were searched up to 27 April 2016. Studies were included when they concerned adults with cirrhosis, patients were suspected of a hepatocellular carcinoma, multiphasic CT was compared to MR imaging with and without extracellular contrast or gadoxetate disodium, and the accuracy of identifying or staging a hepatocellular carcinoma was reported. Studies were excluded when they were non-comparative, reviews, case-reports, or had less than five patients included. Study quality was assessed with the QUADAS-2 tool. Nineteen studies were included for the overall analysis comparing contrast-enhanced CT-scans to MR imaging with and without contrast agents. In the sub-analyses, eight studies compared contrast enhanced CT-scans to gadoxetate enhanced MR imaging and eleven studies compared contrast enhanced CT-scans to MR imaging with extracellular contrast agents. Sample sizes of the included studies ranged from 11 to 512. Reported mean or median age in the samples ranged from 46.5 to 67 years (age was not reported in three studies), while the number of lesions in the samples ranged from 17 to 254 (not reported in one study).
Results
Multiphasic CT versus extracellular contrast-enhanced MRI
Both Chen (2022) and Roberts (2018) performed a meta-analysis for a head-to-head comparison of CT and extracellular contrast-enhanced MRI in patients with liver disease. Seven primary studies overlapped in the analysis from both systematic reviews (Chen, 2022; Roberts, 2018). Chen (2022) included three additional studies which were not included in Roberts (2018), and Roberts (2018) included four additional studies not included in Chen (2022).
Sensitivity
Chen (2022) reported an overall pooled sensitivity estimate of 0.63 (95%CI: 0.56 to 0.69, I2: 81.44%) for CT and 0.77 (95%CI: 0.70 to 0.84, I2: 82.03%) for MRI from 10 studies. For lesions smaller than 2cm, the pooled sensitivity from 8 studies was 0.60 (95%CI: 0.53-0.67, I2: 62.43%) for CT and 0.69 (95%CI: 0.60 to 0.76, I2: 74.74%) for MRI. The sensitivity for lesions larger than 2cm, the pooled sensitivity estimate from 5 studies was 0.79 995%CI: 0.68 to 0.86, I2: 70.44%) for CT and 0.89 (95%CI: 0.78 to 0.95, I2: 88.31%) for MRI.
Roberts (2018) reported an overall sensitivity estimate for CT (0.61, 95%CI: 0.54 to 0.87, I2: 57.77%) and from MR imaging with extracellular contrast agents (0.75, 95%CI: 0.67 to 0.82, I2: 73.67%). For lesions smaller than one centimeter, the pooled sensitivity estimate from 2 studies was 0.48 for CT (95%CI: 0.32 to 0.62, I2: 52%) and 0.69 for MRI (95%CI: 0.54 to 0.81, I2: 94.6%). The pooled sensitivity estimates increased to 0.64 (95%CI: 0.58-0.70, I2: 61.79%) for CT and to 0.70 (95%CI: 0.64 to 0.75, I2: 80.4%) for MRI from six studies for lesions between one and two centimeters. For lesions larger than two centimeters (3 studies), the sensitivity estimates further increased to 0.79 for CT (95%CI: 0.70 to 0.86, I2: 88.2%) and to 0.88 for MRI (95%CI: 0.80 to 0.93, I2: 70.5%).
Specificity
Chen (2022) performed a meta-analysis with 10 studies and reported an overall specificity estimate of 0.93 (95%CI: 0.85 to 0.96, I2: 75.79%) for CT and 0.94 (95%CI: 0.81 to 0.98, I2: 92.95%) for MRI. The pooled specificity estimate for lesions smaller than 2cm was 0.92 (95%CI: 0.79 to 0.97, I2: 82.42%) for CT and 0.94 (95%CI: 0.73 to 0.99, I2: 93.14%) for MRI, using 8 studies. The meta-analysis, containing 5 studies, for lesions larger than 2cm showed a pooled specificity of 0.92 (95%CI: 0.83 to 0.96, I2:0%) for CT and 0.93 (95%CI: 0.82 to 0.97, I2: 46.96%) for MRI.
Roberts (2018) reported an overall specificity estimate for CT (0.87, 95%CI: 0.73 to 0.94, I2: 84.84%) and for MR imaging with extracellular contrast agents (0.86, 95%CI: 0.68 to 0.95, I2: 90.04%). For lesions smaller than one centimeter, the pooled specificity estimate from 2 studies was 0.69 for CT (95%CI: 0.51 to 0.83, I2: 0%) and 0.46 for MRI (95%CI: 0.29 to 0.63, I2: 84.3%). The pooled specificity estimates increased to 0.88 (95%CI: 0.82 to 0.92, I2: 90.89%) for CT and to 0.87 (95%CI: 0.81 to 0.91, I2: 92.1%) for MRI from six studies for lesions between one and two centimeters. For lesions larger than two centimeters (3 studies), the specificity estimates were 0.90 for CT (95%CI: 0.76 to 0.97, I2: 0%) and to 0.87 for MRI (95%CI: 0.73 to 0.96, I2: 0%).
Positive predictive value
Not reported.
Negative predictive value
Not reported.
Area under the curve (AUC)
Chen (2022) calculated the AUC for both CT and MRI. The AUC was calculated for overall diagnosis with CT (AUC: 0.80, 95%CI: 0.76 to 0.83), for lesions smaller than 2cm with CT (AUC: 0.72, 95%CI: 0.68 to 0.76), and for lesions larger than 2cm with CT (AUC: 0.93, 95%CI: 0.91 to 0.95). For MRI, the AUC was 0.88 (95%CI: 0.85 to 0.91), 0.79 (95%CI: 0.76 to 0.83), 0.96 (95%CI: 0.94 to 0.98) respectively.
Costs
Not reported.
Multiphasic CT versus gadoxetate enhanced MRI
Both Li (2019) and Roberts (2018) performed head-to-head meta-analyses for CT versus gadoxetate enhanced MRI. One primary study overlapped in the body of evidence in the systematic reviews and was both included by Li (2019) and by Roberts (2018). The remaining studies did not overlap.
Sensitivity
Li (2019) reported a pooled overall sensitivity estimate for CT of 0.68 (95%CI: 0.51 to 0.81) and for MRI 0.85 (95%CI: 0.77 to 0.90). For detecting hepatocellular carcinomas smaller than two centimeters, Li (2019) reported a pooled sensitivity estimate of 0.46 (95%CI: 0.32 to 0.61) for CT and 0.79 (0.67 to 0.87) for MRI. A pooled sensitivity estimate for detecting hepatocellular carcinomas smaller than two centimeters was not provided, however the sensitivities from the individual studies ranged from 0.00 (95%CI: 0.00 to 0.52) to 0.82 (95%CI: 0.65 to 0.93) for CT and from 0.00 (95%CI: 0.00 to 0.52) to 0.84 (95%CI: 0.67 to 0.95) for MRI.
Roberts (2018) found a pooled sensitivity of 0.73 (95%CI: 0.64 to 0.81, I2: 76.35%) for CT and 0.87 (95%CI: 0.79 to 0.93, I2: 78.12%) for MRI. The sensitivity of CT decreased to 0.68 (95%CI: 0.55 to 0.79, I2: 23.2%) and of MRI to 0.76 (95%CI: 0.67 to 0.84, I2: 0%) for lesions smaller than 2 centimeters (from 2 studies).
Specificity
Li (2019) found a summary estimate of the overall specificity for CT of 0.92 (95%CI: 0.84 to 0.96) and 0.94 for MRI (95%CI: 0.88 to 0.97). For detecting hepatocellular carcinomas smaller than two centimeters, the summary specificity was 0.93 (95%CI: 0.83 to 0.97) for CT and 0.92 for MRI (95%CI: 0.77 to 0.97). Studies for hepatocellular carcinomas larger than two centimeters were not pooled and specificities ranged from 0.00 (95%CI: 0.00 to 0.84) to 1.00 (95%CI: 0.16 to 1.00) for CT. All three studies reported a specificity of 1.00 for MRI with the lower border of the 95% confidence interval ranging from 0.16 to 0.29.
Roberts (2018) reported a specificity of 0.96 (95%CI: 0.90 to 0.97, I2: 80.31%) for CT and 0.94 (95%CI: 0.90 to 0.97, I2: 60.07%) for MRI. For lesions smaller than two centimeters, the specificity increased to 0.98 (95%CI: 0.90 to 1.00, I2: 13.3%) for CT and to 0.96 (95%CI: 0.87 to 0.99, I2: 0%) for MRI from 2 studies.
Positive predictive value
Not reported.
Negative predictive value
Not reported.
Area under the curve
Li (2019) reported the overall AUC of CT (AUC: 0.91, 95%CI: 0.88 to 0.93) and of MRI (AUC: 0.96, 95%CI: 0.94 to 0.97). For lesions smaller than two centimeters, the AUC was 0.82 (95%CI: 0.78 to 0.85) for CT and 0.90 (95%CI: 0.87 to 0.93) for MRI.
Costs
Not reported.
Level of evidence of the literature
Multiphasic CT versus extracellular contrast-enhanced MRI
The level of evidence regarding the outcome measure sensitivity was downgraded by 2 levels because of study limitations (1 level risk of bias: about half of the studies were judged to be at high or unclear risk for introducing bias on the flow and timing domain (including studies with large sample sizes)); conflicting results (1 level for inconsistency: estimates seem to vary with confidence intervals not sufficiently overlapping when eyeballing the forest plots, I2 indicates heterogeneity); number of included patients (imprecision not downgraded: already downgraded for heterogeneity where the heterogeneity could introduce larger confidence intervals for the pooled estimates); publication bias (not downgraded for publication bias: Chen (2022) suggested there was no publication bias; Roberts (2018) suggested there was publication bias, however we judged their funnel plot to be symmetrical enough) .
The level of evidence regarding the outcome measure specificity was downgraded by 2 levels because of study limitations (1 level risk of bias: about half of the studies were judged to be at high or unclear risk for introducing bias on the flow and timing domain (including studies with large sample sizes)); conflicting results (1 level for inconsistency: estimates seem to vary with confidence intervals not sufficiently overlapping when eyeballing the forest plots, I2 indicates heterogeneity); number of included patients (imprecision not downgraded: already downgraded for heterogeneity where the heterogeneity could introduce larger confidence intervals for the pooled estimates); publication bias (not downgraded for publication bias: Chen (2022) suggested there was no publication bias; Roberts (2018) suggested there was publication bias, however we judged their funnel plot to be symmetrical enough) .
The level of evidence regarding the outcome measure positive predictive value and negative predictive value could not be graded, since none of the included studies reported these outcomes.
The level of evidence regarding the outcome measure area under the curve was downgraded by 1 level because of study limitations (1 level risk of bias: about half of the studies were judged to be at high or unclear risk for introducing bias on the flow and timing domain (including studies with large sample sizes)); number of included patients; publication bias (not downgraded for publication bias: Chen (2022) suggested there was no publication bias; Roberts (2018) suggested there was publication bias, however we judged their funnel plot to be symmetrical enough).
The level of evidence regarding the outcome measure costs could not be graded since none of the included studies reported this outcome.
Multiphasic CT versus gadoxetate enhanced MRI
The level of evidence regarding the outcome measure sensitivity was downgraded by 2 levels because of study limitations (1 level for risk of bias: Roberts (2018) judged 5/8 studies to have high or unclear risk of bias on patient selection and 4/8 high or unclear risk on flow and timing; Li (2019) judged 2/8 to be high or unclear risk on patient selection and 2/8 high risk on index test; overall there seems to be concerns mostly about patient selection); conflicting results (1 level for inconsistency: eyeballing the plots the estimates seem to vary and the confidence intervals may not overlap sufficiently, the I2 was considered to be large for the overall analyses (Roberts, 2018 provided the I2)); number of included patients (imprecision was not downgraded as heterogeneity could have caused the wide intervals); publication bias (not downgraded for publication bias: Roberts (2018) suggested there was publication bias, however we judged their funnel plot to be symmetrical enough. Li (2019) performed the Deek’s funnel plot asymmetry test and found no evidence of publication bias).
The level of evidence regarding the outcome measure specificity was downgraded by 2 levels because of study limitations (1 level for risk of bias: Roberts (2018) judged 5/8 studies to have high or unclear risk of bias on patient selection and 4/8 high or unclear risk on flow and timing; Li (2019) judged 2/8 to be high or unclear risk on patient selection and 2/8 high risk on index test; overall there seems to be concerns mostly about patient selection); conflicting results (1 level for inconsistency: eyeballing the plots the estimates seem to vary and the confidence intervals may not overlap sufficiently, the I2 was considered to be large for the overall analyses (Roberts, 2018 provided the I2)); number of included patients (imprecision was not downgraded as heterogeneity could have caused the wide intervals); publication bias (not downgraded for publication bias: Roberts (2018) suggested there was publication bias, however we judged their funnel plot to be symmetrical enough. Li (2019) performed the Deek’s funnel plot asymmetry test and found no evidence of publication bias).
The level of evidence regarding the outcome measure positive predictive value and negative predictive value could not be graded, since none of the included studies reported these outcomes.
The level of evidence regarding the outcome measure area under the curve was downgraded by 1 level because of study limitations (1 level for risk of bias; Li (2019) judged 2/8 to be high or unclear risk on patient selection, 2/8 high risk on index test. 3/8 unclear on reference test and 2/8 unclear on flow and timing); publication bias (not downgraded for publication bias: Li (2019) performed the Deek’s funnel plot asymmetry test and found no evidence of publication bias).
The level of evidence regarding the outcome measure costs could not be graded since none of the included studies reported this outcome.
Zoeken en selecteren
A systematic review of the literature was performed to answer the following question:
What is the diagnostic accuracy of a CT-scan (using a scan protocol) compared to MR imaging (using a scan protocol) in patients with a focal liver lesion suspected of a hepatocellular carcinoma?
P: Patients with a focal liver lesion suspected of a hepatocellular carcinoma;
I: CT-scan (using a scan protocol);
C: MR imaging (using a scan protocol);
R: CT or MRI for patients with cirrhosis; histology on biopsy or resected tissue for patients without cirrhosis; or a clinical follow-up of at least 6 months;
O: Sensitivity, specificity, positive predictive value, negative predictive value, area under the curve, costs.
Relevant outcome measures
The guideline development group considered the specificity and positive predictive value as a critical outcome measure for decision making; and the sensitivity, negative predictive value, area under the curve, and costs as an important outcome measure for decision making.
A priori, the working group did not define the outcome measures listed above but used the definitions used in the studies.
Search and select (Methods)
The databases Medline (via OVID) and Embase (via Embase.com) were searched with relevant search terms until 23-06-2022. The detailed search strategy is depicted under the tab Methods. The systematic literature search filtered on systematic reviews resulted in 113 hits. Studies were selected based on the following criteria: all patients in the sample were suspected of a hepatocellular carcinoma, CT-scan was compared head-to-head to MR imaging, the reference standards were 1) histology on biopsies or resected tissue, or 2) CT or MRI findings (in patients with cirrhosis), or 3) a clinical follow-up of at least six months, at least one of the outcomes of interest was reported, the study was a systematic review, it was (at least) deducible which studies were included for a direct head-to-head comparison of CT and MRI. Forty-four studies were initially selected based on title and abstract screening. After reading the full text, 41 studies were excluded (see the table with reasons for exclusion under the tab Methods), and three systematic reviews were included.
Results
Three systematic reviews were included in the analysis of the literature. Important study characteristics and results are summarized in the evidence tables. The assessment of the risk of bias is summarized in the risk of bias tables.
Referenties
- American College of Radiology. (2018). CT/MRI li-RADS V2018 core - american college of radiology. https://www.acr.org/-/media/ACR/Files/RADS/LI-RADS/LI-RADS-2018-Core.pdf
- Chen X, Li M, Guo R, Liu W, Li J, Zong X, Chen Q, Wang J. The diagnostic performance of contrast-enhanced CT versus extracellular contrast agent-enhanced MRI in detecting hepatocellular carcinoma: direct comparison and a meta-analysis. Abdom Radiol (NY). 2022 Jun;47(6):2057-2070. doi: 10.1007/s00261-022-03484-7. Epub 2022 Mar 21. PMID: 35312822.
- Elmohr M, Elsayes KM, Chernyak V. LI-RADS: Review and updates. Clin Liver Dis (Hoboken). 2021 Apr 13;17(3):108-112. doi: 10.1002/cld.991. PMID: 33868648; PMCID: PMC8043699.
- Galle PR, Forner A, Llovet JM, Mazzaferro V, Piscaglia F, Raoul JL, Schirmacher P, Vilgrain V. EASL clinical practice guidelines: management of hepatocellular carcinoma. Journal of hepatology. 2018 Jul 1;69(1):182-236.
- Li J, Wang J, Lei L, Yuan G, He S. The diagnostic performance of gadoxetic acid disodium-enhanced magnetic resonance imaging and contrast-enhanced multi-detector computed tomography in detecting hepatocellular carcinoma: a meta-analysis of eight prospective studies. Eur Radiol. 2019 Dec;29(12):6519-6528. doi: 10.1007/s00330-019-06294-6. Epub 2019 Jun 27. PMID: 31250172.
- Nadarevic T, Giljaca V, Colli A, Fraquelli M, Casazza G, Miletic D, timac D. Computed tomography for the diagnosis of hepatocellular carcinoma in adults with chronic liver disease. Cochrane Database Syst Rev. 2021 Oct 6;10(10):CD013362. doi: 10.1002/14651858.CD013362.pub2. PMID: 34611889; PMCID: PMC8493329.
- Nadarevic T, Colli A, Giljaca V, Fraquelli M, Casazza G, Manzotti C, timac D, Miletic D. Magnetic resonance imaging for the diagnosis of hepatocellular carcinoma in adults with chronic liver disease. Cochrane Database Syst Rev. 2022 May 6;5(5):CD014798. doi: 10.1002/14651858.CD014798.pub2. PMID: 35521901; PMCID: PMC9074390.
- Roberts LR, Sirlin CB, Zaiem F, Almasri J, Prokop LJ, Heimbach JK, Murad MH, Mohammed K. Imaging for the diagnosis of hepatocellular carcinoma: A systematic review and meta-analysis. Hepatology. 2018 Jan;67(1):401-421. doi: 10.1002/hep.29487. Epub 2017 Nov 29. PMID: 28859233.
Evidence tabellen
Evidence table for systematic reviews of diagnostic test accuracy studies
Research question:
|
Study reference |
Study characteristics |
Patient characteristics |
Index test (test of interest) |
Reference test
|
Follow-up |
Outcome measures and effect size |
Comments |
|
Chen 2023
Study characteristics and results are extracted from the SR (unless stated otherwise) |
SR and meta-analysis)
Literature search up to 01/05/2021
A: Golfieri 2009 B: Hassan 2011 C: Khalili 2011 D: Martion 2013 E: Basha 2018 F: Min 2019 G: Ronot 2017 H: Leoni 2010 I: Sangiovanni 2010 J: Serste 2012
Study design: cohort, case-control (prospective / retrospective) A: prospective B: retrospective C: retrospective D: prospective E: prospective F: prospective G: prospective H: retrospective I: prospective J: retrospective
Setting and Country: A: Italy B: Egypt C: Canada D: Italy E: Egypt F: South Korea G: France H: Italy I: Italy J: France
Source of funding and conflicts of interest: Authors declare they have no conflicts of interest (not reported for individual studies)
|
Inclusion criteria SR: diagnostic performance of ECA-MRI and CE-CT in patients with chronic liver disease for diagnosing HCC, HCC was diagnosed on pathological evidence and/or imaging follow-up of at least 6 months, data for head-to-head comparison was sufficient to construct a 2x2 table, articles could be retrieved,
Exclusion criteria SR: accuracy of ECA-MRI and CE-CT were not assessed, conference abstracts / case reports / commentary / letter / review or meta-analysis and other special types of work, no head-to-head comparison
10 studies included
Important patient characteristics: Number of patients; characteristics important to the research question; for example, age, sex, bmi, ...
N A: 63 B: 61 C: 84 D: 140 E: 240 F: 125 G: 422 H: 60 I:64 J: 74
Sex (% male): A: 84.1% B: 60.7% C: 63.1% D: 74.3% E: 55.8% F: 81.6% G: 81.3% H: 86.7% I: 73.4% J: 78.4%
|
Describe index and comparator tests* and cut-off point(s):
A-1: CT 16 (slice thickness: 5 mm, arterial phase: 10–14 sec, portal venous phase: 70, criteria: EASL 2001/AASLD) A-2: MRI 1.5T, (slice thickness: 2–2.5 mm, contrast: Gadopentetate dimeglumine, arterial phase: 10–14 sec, portal venous phase: 60–80, criteria: EASL 2001/AASLD) B-1: CT 64 (slice thickness: NA mm, arterial phase: NA sec, portal venous phase: NA, criteria: Ar) B-2: MRI 1.5T, (slice thickness: NA mm, contrast: Gadodiamide, arterial phase: NA sec, portal venous phase: NA, criteria: Ar) C-1: CT 64 (slice thickness: 2.5–5 mm, arterial phase: 20 sec, portal venous phase: 60, criteria: EASL 2001/AASLD) C-2: MRI 1.5T, (slice thickness: NA mm, contrast: Gadobenate dimeglumine, arterial phase: NA sec, portal venous phase: NA, criteria: EASL 2001/AASLD) D-1: CT 64 (slice thickness: 3–5 mm, arterial phase: 25–40 sec, portal venous phase: 70, criteria: Ar) D-2: MRI 1.5T, (slice thickness: 3–5 mm, contrast: Gadobenate dimeglumine, arterial phase: 22–35 sec, portal venous phase: 70, criteria: Ar) E-1: CT 64/128 (slice thickness: 5 mm, arterial phase: 18 sec, portal venous phase: 70, criteria: LI-RADS v 2014) E-2: MRI 1.5T, (slice thickness: 5 mm, contrast: Gadolinium diethylene triamine, arterial phase: 30 sec, portal venous phase: 60, criteria: LI-RADS v 2014) F-1: CT 64/128 (slice thickness: 3 mm, arterial phase: 30–40 sec, portal venous phase: 70, criteria: LI-RADS v 2018) F-2: MRI 3.0T, (slice thickness: 2–6 mm, contrast: pentaacetic acid, arterial phase: 25–30 sec, portal venous phase: 60, criteria: LI-RADS v 2018) G-1: CT 16/64 (slice thickness: 0.6–3 mm, arterial phase: 30–35 sec, portal venous phase: 70–, criteria: LI-RADS v 2014) G-2: MRI 1.5/3.0T, (slice thickness: NA mm, contrast: Gadoterate meglumine, arterial phase: NA sec, portal venous phase: 70, criteria: LI-RADS v 2014) H-1: CT 16 (slice thickness: 5 mm, arterial phase: 5 sec, portal venous phase: 70, criteria: EASL 2001/AASLD) H-2: MRI 3.0T, (slice thickness: 2–2.5 mm, contrast: Gadolinium chelates, arterial phase: 18 sec, portal venous phase: 80, criteria: EASL 2001/AASLD) I-1: CT 64 (slice thickness: 2.5 mm, arterial phase: 40 sec, portal venous phase: 80, criteria: AASLD 2005) I-2: MRI 1.5T, (slice thickness: 3 mm, contrast: Gadolinium, arterial phase: 30 sec, portal venous phase: 80, criteria: AASLD 2005) J-1: CT 16 (slice thickness: NA mm, arterial phase: NA sec, portal venous phase: NA, criteria: AASLD 2005) J-2: MRI 1.5T, (slice thickness: NA mm, contrast: Gadobenate dimeglutamine, arterial phase: NA sec, portal venous phase: NA, criteria: AASLD 2005)
(use the format ‘character+number’ if 2 or more index tests are being compared, e.g. A-1, A-2, etc) |
Describe reference test and cut-off point(s):
A: pathology on excision/biopsy B: pathology on biopsy or imaging follow-up C: pathology on biopsy or imaging follow-up D: pathology on excision/biopsy or imaging follow-up E: pathology on biopsy or imaging follow-up F: pathology on excision/biopsy or imaging follow-up G: pathology on excision/biopsy or imaging follow-up H: pathology on biopsy I: pathology on biopsy J: pathology on biopsy
Prevalence (%) (based on refence test at specified cut-off point) A: 70.7% B: 32.6% C: 33.7% D: 64.2% E: 64.9% F: 76.1% G: 61.2% H: 73.3% I: 65.7% J: 63.5%
|
Endpoint of follow-up: NA |
Outcome measures and effect size (include 95%CI and p-value if available):
Overall sensitivity CT versus. ECA-MRI (95%CI): A-1: CT: 0.62 (95%CI: 0.51-0.72) A-2: ECA-MRI: 0.81 (95%CI: 0.67-0.91) B-1: CT: 0.62 (95%CI: 0.42-0.79) B-2: ECA-MRI: 0.90 (95%CI: 0.74-0.91) C-1: CT: 0.53 (95%CI: 0.35-0.70) C-2: ECA-MRI: 0.62 (95%CI: 0.44-0.78) D-1: CT: 0.72 (95%CI: 0.64-0.79) D-2: ECA-MRI: 0.87 (95%CI: 0.81-0.92) E-1: CT: 0.45 (95%CI: 0.38-0.52) E-2: ECA-MRI: 0.73 (95%CI: 0.67-0.80) F-1: CT: 0.64 (95%CI: 0.55-0.72) F-2: ECA-MRI: 0.83 (95%CI: 0.75-0.0.89) G-1: CT: 0.70 (95%CI: 0.64-0.74) G-2: ECA-MRI: 0.73 (95%CI: 0.67-0.80) H-1: CT: 0.67 (95%CI: 0.53-0.76) H-2: ECA-MRI: 0.82 (95%CI: 0.69-0.91) I-1: CT: 0.44 (95%CI: 0.27-0.62) I-2: ECA-MRI: 0.44 (95%CI: 0.27-0.62) J-1: CT: 0.74 (95%CI: 0.60-0.86) J-2: ECA-MRI: 0.81 (95%CI: 0.67-0.91)
Pooled characteristic (‘type of statistical analysis’ e.g. bivariate analysis) per index test and cut-off point: Index test-1 (cut-off= ..) 0.63 (95% CI 0.56 to 0.69) Heterogeneity (reasons): 81.44% Index test-2 (cut-off= ..) 0.77 (95%CI 0.70-0.91) Heterogeneity: 82.03%
Overall specificity CT versus. ECA-MRI (95%CI): A-1: CT: 0.55-0.86 (95%CI: 0.55-0.86) A-2: ECA-MRI: 0.20-0.53 (95%CI: 0.20-0.53) B-1: CT: 0.72-0.91 (95%CI: 0.72-0.91) B-2: ECA-MRI: 0.77-0.94 (95%CI: 0.77-0.94) C-1: CT: 0.92-1.00 (95%CI: 0.92-1.00) C-2: ECA-MRI: 0.95-1.00 (95%CI: 0.95-1.00) D-1: CT: 0.78-0.93 (95%CI: 0.78-0.93) D-2: ECA-MRI: 0.83-0.96 (95%CI: 0.83-0.96) E-1: CT: 0.93-1.00 (95%CI: 0.93-1.00) E-2: ECA-MRI: 0.84-0.96 (95%CI: 0.84-0.96) F-1: CT: 0.87-1.00 (95%CI: 0.87-1.00) F-2: ECA-MRI: 0.87-1.00 (95%CI: 0.87-1.00) G-1: CT: 0.83-0.92 (95%CI: 0.83-0.92) G-2: ECA-MRI: 0.85-0.94 (95%CI: 0.85-0.94) H-1: CT: 0.68-0.99 (95%CI: 0.68-0.99) H-2: ECA-MRI: 0.75-1.00 (95%CI: 0.75-1.00) I-1: CT: 0.84 - 1.00 (95%CI: 0.84 - 1.00) I-2: ECA-MRI: 0.84-1.00 (95%CI: 0.84-1.00) J-1: CT: 0.62 - 0.94 (95%CI: 0.62 - 0.94) J-2: ECA-MRI: 0.66-0.96 (95%CI: 0.66-0.96)
Pooled characteristic (‘type of statistical analysis’ e.g. bivariate analysis) per index test and cut-off point: Index test-1 (cut-off= ..) 0.93 (95% CI 0.85 to 0.96) Heterogeneity (reasons): 75.79% Index test-2 (cut-off= ..) 0.94 (95%CI: 0.81-0.98) Heterogeneity: 92.95%
Sensitivity HCC<2cm CT versus. ECA-MRI (95%CI): J-1: CT: 0.74 (95%CI: 0.60-0.86) J-2: ECA-MRI: 0.81 (95%CI: 0.67-0.91) H-1: CT: 0.70 (95%CI: 0.50-0.86) H-2: ECA-MRI: 0.44 (95%CI: 0.27-0.62) G-1: CT: 0.71 (95%CI: 0.64-0.78) G-2: ECA-MRI: 0.81 (95%CI: 0.62-0.94) D-1: CT: 0.59 (95%CI: 0.49-0.69) D-2: ECA-MRI: 0.72 (95%CI: 0.65-0. 79) C-1: CT: 0.53 (95%CI: 0.35-0.70) C-2: ECA-MRI: 0.67 (95%CI: 0.53-0.79) A-1: CT: 0.60 (95%CI: 0.47-0.72) A-2: ECA-MRI: 0.60 (95%CI: 0.50-0.69) I-1: CT: 0.44 (95%CI: 0.27-0.62) I-2: ECA-MRI: 0.62 (95%CI: 0.44-0.78) F-1: CT: 0.52 (95%CI: 0.38-0.66) F-2: ECA-MRI: 0.83 (95%CI: 0.72-0.91) Pooled characteristic (‘type of statistical analysis’ e.g. bivariate analysis) per index test and cut-off point: Index test-1 (cut-off= ..) 0.60 (95% CI 0.53 to 0.67) Heterogeneity (reasons): 62.43% Index test-2 (cut-off= ..) 0.69 (95%CI: 0.60-0.76) Heterogeneity: 74.74%
Specificity HCC<2cm CT versus. ECA-MRI (95%CI): (e.g. sensitivity / specificity (%)) J-1: CT: 0.62-0.94 (95%CI: 0.62-0.94) J-2: ECA-MRI: 0.66-0.96 (95%CI: 0.66-0.96) H-1: CT: 0.70-1.00 (95%CI: 0.70-1.00) H-2: ECA-MRI: 0.84-1.00 (95%CI: 0.84-1.00) G-1: CT: 0.65-0.80 (95%CI: 0.65-0.80) G-2: ECA-MRI: 0.70-1.00 (95%CI: 0.70-1.00) D-1: CT: 0.74-0.93 (95%CI: 0.74-0.93) D-2: ECA-MRI: 0.78-0.90 (95%CI: 0.78-0.90) C-1: CT: 0.92-1.00 (95%CI: 0.92-1.00) C-2: ECA-MRI: 0.88-1.00 (95%CI: 0.88-1.00) A-1: CT: 0.49-0.83 (95%CI: 0.49-0.83) A-2: ECA-MRI: 0.76-0.94 (95%CI: 0.76-0.94) I-1: CT: 0.84-1.00 (95%CI: 0.84-1.00) I-2: ECA-MRI: 0.95-1.00 (95%CI: 0.95-1.00) F-1: CT: 0.88-1.00 (95%CI: 0.88-1.00) F-2: ECA-MRI: 0.14-0.48 (95%CI: 0.14-0.48)
Pooled characteristic (‘type of statistical analysis’ e.g. bivariate analysis) per index test and cut-off point: Index test-1 (cut-off= ..) 0.92 (95% CI 0.79 to 0.97) Heterogeneity (reasons): 82.42% Index test-2 (cut-off= ..) 0.94 (95%CI: 0.73-0.99
Sensitivity HCC>2cm CT versus. ECA-MRI (95%CI): F-1: CT: 0.73 (95%CI: 0.61-0.83) F-2: ECA-MRI: 0.82 (95%CI: 0.63-0.94) D-1: CT: 0.93 (95%CI: 0.83-0.98) D-2: ECA-MRI: 0.96 (95%CI: 0.88-0.99) H-1: CT: 0.82 (95%CI: 0.63-0.94) H-2: ECA-MRI: 0.95 (95%CI: 0.86-0.99) G-1: CT: 0.72 (95%CI: 0.64-0.79) G-2: ECA-MRI: 0.73 (95%CI: 0.65-0.80) A-1: CT: 0.68 (95%CI: 0.45-0.86) A-2: ECA-MRI: 0.86 (95%CI: 0.65-0.97)
Pooled characteristic (‘type of statistical analysis’ e.g. bivariate analysis) per index test and cut-off point: Index test-1 (cut-off= ..) 0.79 (95% CI 0.68 to 0.86) Heterogeneity (reasons): 70.44 Index test-2 (cut-off= ..) 0.89 (95%CI: 0.78-0.95) Heterogeneity: 88.31%
Specificity HCC>2cm CT versus. ECA-MRI (95%CI): F-1: CT: 0.52-1.00 (95%CI: 0.52-1.00) F-2: ECA-MRI: 0.40-1.00 (95%CI: 0.40-1.00) D-1: CT: 0.73-0.98 (95%CI: 0.73-0.98) D-2: ECA-MRI: 0.52-1.00 (95%CI: 0.52-1.00) H-1: CT: 0.19-0.99 (95%CI: 0.19-0.99) H-2: ECA-MRI: 0.69-0.96 (95%CI: 0.69-0.96) G-1: CT: 0.81-0.99 (95%CI: 0.81-0.99) G-2: ECA-MRI: 0.89-1.00 (95%CI: 0.89-1.00) A-1: CT: 0.48-1.00 (95%CI: 0.48-1.00) A-2: ECA-MRI: 0.28-0.99 (95%CI: 0.28-0.99)
Pooled characteristic (‘type of statistical analysis’ e.g. bivariate analysis) per index test and cut-off point: Index test-1 (cut-off= ..) 0.92 (95% CI 0.83 to 0.96) Heterogeneity (reasons): 0% Index test-2 (cut-off= ..) 0.93 (95%CI: 0.82-0.97) Heterogeneity: 46.96%
Overall AUC (95%CI): CT: 0.80 (0.76-0.83) ECA-MRI: 0.88 (0.85-0.91)
HCC<2cm AUC (95%CI: CT: 0.72 (o.68-0.76) ECA-MRI: 0.79 (0.76-0.83)
HCC>2cm AUC (95%CI): CT: 0.93 (0.91-0.95) ECA-MRI: 0.96 (0.94-0.98) |
Study quality (ROB): Assessed with QUADAS-2 Hassan 2011 and Golfieri 2009 at high risk of bias. Ronot 2017 unclear risk.
|
|
Li 2019
PS., study characteristics and results are extracted from the SR (unless stated otherwise) |
SR and meta-analysis
Literature search up to 08-01-2019
A: Kim 2009 B: Di Martino 2010 C: Akai 2011 D: Granito 2013 E: Maiwald 2014 F: Tsurusaki 2016 G: Imai 2017 H: Yoon 2019
Study design: all prospective
Setting and Country: A: Korea B: Italy C: Japan D: Italy E: Germany F: Japan G: Ikeda H: Korea
Source of funding and conflicts of interest: (commercial / non-commercial funding/ industrial co-authorship / potential conflicts of interest )
|
Inclusion criteria SR: Article investigated accuracy of Gd-EOB-DTPA-MRI and MDCT for HCC, reference standard was pathological proof from liver explant / resection / biopsy, original data to calculate 2x2 table, prospective research, article in English
Exclusion criteria SR: letters, systemic evaluations, review literature, comments, animal models, patient received only an MRI or CT, conference abstracts, non-English
Only most detailed or most recent publication was included when encountering multiple reports.
8 studies included
Important patient characteristics:
N (number of lesions) A: 62 (132) B: 58 (109) C: 34 (97) D: 33 (48) E: 50 (71) F: 54 (125) G: 97 (66) H: 131 (80)
Size, cm: A: 2.9 (0.5–10.5) B: 1.8 (0.3–7.0) C: 2.6 (0.4–15.2) D: 1.8 (1.0–3.0) E: 3.3 F: 2.7 (0.5–14) G: 0.9 (0.5–2.0) H: < 2 cm (n = 124); > 2 cm (n = 7)
Sex, n males: A: 57 B: 39 C: 27 D: 58 E: 42 F: 39 G: 64 H: 85
Time between CT and MRI: A: <4 weeks B: >4 weeks C: >2 weeks D: >1 week E: >1 week F: <4 weeks G: 2.2 days (0-30) H: 13 days (0-30)
|
Describe index and comparator tests* and cut-off point(s):
A-1: CT 16/40/64, criteria: Ar A-2: MRI 3.0T, criteria: Ar B-1: CT 64, criteria: LI-RADS 4 + 5 B-2: MRI 1.5T, criteria: LI-RADS 4 + 5 C-1: CT 64, criteria: LI-RADS 4 + 5 C-2: MRI 1.5T, criteria: LI-RADS 4 + 5 D-1: CT 16, criteria: Ar D-2: MRI 1.5T, criteria: Ar E-1: CT 64, criteria: LI-RADS 4 + 5 E-2: MRI 3.0T, criteria: LI-RADS 4 + 5 F-1: CT 64, criteria: Any 2* F-2: MRI 3.0T, criteria: Any 2* G-1: CT 64, criteria: Ar G-2: MRI 1.5/3.0T, criteria: Ar H-1: CT 64, criteria: Ar H-2: MRI 1.5/3.0T, criteria: Ar
*Any 2: any two positive criteria from:
|
Describe reference test and cut-off point(s):
A: Pathology on explant B: Pathology on explant/biopsy or imaging follow-up C: Pathology on explant D: Pathology on explant or imaging follow-up E: Pathology on explant/biopsy or imaging follow-up F: Pathology on explant or imaging follow-up G: Pathology on explant or imaging follow-up H: Pathology on explant/biopsy
Prevalence, calculated from number of lesions (%) (based on refence test at specified cut-off point) A: 62.9% B: 79.8% C: 53.6% D: 79.2% E: 100% F: 66.4% G: 100% H: 61.1%
For how many participants were no complete outcome data available? N (%) NA
Reasons for incomplete outcome data described? NA
|
Endpoint of follow-up: A >6 months B: 220 days (90-370) C: >6 months D: 24 months (22-28) E: 6 months F: 12 months (12-31) G: 385 days (86-1141) H: >6 months |
Outcome measures and effect size (include 95%CI and p-value if available):
Overall sensitivity, CT versus MRI: Index test-1: CT (cut-off= ..) 0.68 (95% CI 0.51-0.81) Heterogeneity (reasons): NA Index test-2: MRI (cut-off= ..) 0.85 (95%CI: 0.77-0.90) Heterogeneity (reasons): NA
Overall specificity, CT versus MRI: Index test-1: CT (cut-off= ..) 0.92 (0.84-0.96) Heterogeneity (reasons): NA Index test-2: MRI (cut-off= ..) 0.94 (95%CI: 0.88-0.97) Heterogeneity (reasons): NA ___
Sensitivity HCC<2cm, CT versus MRI: Index test-1: CT (cut-off= ..) 0.46 (95%CI: 0.32-0.61) Heterogeneity (reasons): NA Index test-2: MRI (cut-off= ..) 0.79 (95%CI: 0.67-0.87) Heterogeneity (reasons): NA
Specificity HCC<2cm, CT versus MRI: Index test-1: CT (cut-off= ..) 0.93 (95%CI: 0.83-0.97) Heterogeneity (reasons): NA Index test-2: MRI (cut-off= ..) 0.92 (0.77-0.97) Heterogeneity (reasons): NA ___
Sensitivity HCC>2cm, CT(1) versus MRI(2): B1: 0.82 (0.67-0.93) B2: 0.84 (0.67-0.95 D1: 0.65 (0.38-0.86) D2: 0.82 (0.57-0.96) H1: 0.00 (0.00-0.52) H2: 0.00 (0.00-0.52)
Specificity HCC>2cm, CT(1) versus MRI(2): B1: 0.00 (0.00-0.84) B2: 1.00 (0.29-1.00) D1: 1.00 (0.16-1.00) D2: 1.00 (0.16-1.00) H1: 1.00 (0.92-1.00) H2: 1.00 (0.16-1.00) ___
Overall AUC (95%CI): CT: 0.91 (0.88-0.93) MRI: 0.96 (0.94-0.97)
HCC<2CM AUC (95%CI): CT: 0.82 (0.78-0.85) MRI: 0.90 (0.87-0.93)
AUC HCC>2cm not reported. |
Accuracy on a per lesion base
Study quality (ROB): quadas-2; Di martino, Granito, Imai could be at high risk. Overall probably no high risk of bias.
|
|
Roberts 2018
PS., study characteristics and results are extracted from the SR (unless stated otherwise) |
SR and meta-analysis
Literature search up to 27-04-2016
Contrast enhanced CT versus Gadoxetate-enhanced MRI A: Xing 2010 B: Sun 2010 C: Sano 2011 D: Maiwald 2014 E: Kasai 2012 F: Hideka 2013 G: Haradome 2011 H: Chen 2016
Contrast enhanced CT versus Extracellular contrast enhanced MRI I: Ueda 1996 J: Serste 2012 K: Sangiovanni 2010 L: Rode 2001 M: Puig 1997 N: Libbrecht 2002 O: Leoni 2010 P: Khalli 2011 Q: Hassan 2011 R: Golfieri 2009 S: Di Martino 2013
Study design: A: Prospective B: NR C: retrospective D: Prospective E: retrospective F: retrospective G: retrospective H: retrospective I: retrospective J: case-only observational K: prospective L: Prospective M: NR N: Retrospective O: NR P: Retrospective Q: retrospective R: prospective S: Prospective
Setting and Country: A: China B: South Korea C: Japan D: Germany E: Japan F: Japan G: NR H: Japan I: Japan J: France K: Italy L: France M: Italy N: Belgium O: Italy P: Canada Q: Kuwait R: italy S: Italy
Source of funding and conflicts of interest: One author consults for Bayer and is on the speakers’ bureau; this author also received grants from GE and Siemens.
|
Inclusion criteria SR: adults with cirrhosis and suspected HHC, diagnosis and staging of HCC with CE multiphasic CT compared to MRI with and without excracellular contrast or gadoxetate disodium, accuracy outcomes
Exclusion criteria SR: non comparative studies, reviews, case reports, <5 patients in sample
33 studies included (n=8 for CT versus gadoxetate MRI; n=11 for CT versus extracellular agent MRI))
Important patient characteristics: Number of patients; characteristics important to the research question; for example, age, sex, bmi, ...
N: A: 39 B: 69 C: 64 D: 50 E: 47 F: 11 G: 75 H: 139 I: 512 J: 74 K: 64 L: 43 M: 50 N: 49 O: 60 P: 84 Q: 61 R: 63 S: 140
Sex (n male): A: NR B: 56 C: 47 D: 42 E: 35 F: NR G: 60 H: 101 I: 385 J: 58 K: 47 L: 30 M: NR N: 32 O: 52 P: 53 Q: 37 R: 53 S: 104
Age: A: NR B: 55.8 (39-73) C: 67±9.3 D: 60.6 (29-84) E: 65.4±9.1 F: NR G: 54.7 (42-67) H: 68 ± 11 I: 54.6 J: 60 (38-88) K: 65 (44-80) L: 51 (27-65) M: NR N: 53.4±11.6 O: 65.2±10 P: 58 (22-79) Q: 46.5 (19-74 R: 63.3 S: 66 (23-82)
N lesions: A: NR B: 97 C: 108 D: NR E: 112 F: 17 G: 86 H: 139 I: 61 J: 56 K: 67 L: 59 M: 83 N: 130 O: 75 P: 101 Q: 95 R: 123 S: 254
Tumor size A: NR B: 1.37±0.41 C: 0.4-2 D: NR E: NR F: <3 G: 1.74 ±0.6 H: 0.05-3 I: NR J: 1 to 2 K: <1cm: 2 / 1-2cm: 55 / >2cm: 2 L: 1.24 M: NR N: 27.5±10.6 (CT) / 26.0±11.5 (MRI) O: 1.8 (1-3) P: 1 to 2 Q: NR R: 1 to 3 S: NR
|
Describe index and comparator tests* and cut-off point(s):
Contrast enhanced CT versus Gadoxetate-enhanced MRI A-1: triphasic CT A-2: mri with gadoxetate disodium B-1: CT 8 / 16 / 64 B-2: mri with gadoxetate disodium C-1: CT 16 C-2: mri with gadoxetate disodium D-1: CT 64 D-2: mri with Gd-EOB-DTPA E-1: Dynamic CT E-2: mri with Gd-EOB-DTPA F-1: MDCT 64 F-2: mri with Gd-EOB-DTPA G-1: MDCT 16 G-2: mri with Gd-EOB-DTPA H-1: Dynamic CT H-2: mri with Gadoxetate disodium
Contrast enhanced CT versus Extracellular contrast enhanced MRI I-1: CT I-2: mri (NR) J-1: MDCT J-2: mri (NR) K-1: MDCT 64 K-2: mri with gadolinium L-1: CT 64 L-2: mri with gadolinium M-1: MDCT M-2: mri with dgadolinium N-1: Dynamic CT N-2: mri with dimeglumine gadopentetate or maglumine gadoterate O-1: quadruple phase MDCT O-2: mri with supramagnetic iron oxide and gadolinium P-1: MDCT 64 P-2: mri with gadobenate diglumine Q-1: triphasic MDCT Q-2: mri with gadodiamide R-1: quadruple phase MDCT R-2: mri with gadopentetate dimeglumine S-1: CT 64 S-2: mri with gadobenate diglumine |
Describe reference test and cut-off point(s):
A: NR B: histopathology or imaging and lab findings C: pathology D: biopsy E: All available clinical findings (incl: imaging, lab, histopathology and follow-up) F: histopathology G: pathology in resection or finen eedle biopsy H: pathology or imaging follow-up I: histology or angiographic findings and follow-up J: biopsy K: biopsy L: pathology M: NR N: biopsy O: biopsy P: biopsy, imaging or follow-up Q: biopsy or clinical and radiological follow-up R: pathology on transplant / resection / biopsy or follow-up S: pathology or follow-up
Prevalence (%) (based on refence test at specified cut-off point) NR
For how many participants were no complete outcome data available? NR
|
Endpoint of follow-up: NR |
Outcome measures and effect size (include 95%CI and p-value if available):
Sensitivity CECT (1) versus MRI with and without contrast (2), 19 studies: Index test-1 (CT) 0.66 (95% CI 0.60 to 0.72) Heterogeneity (reasons): 72.53% Index test-2 (MRI) 0.82 (95%CI: 0.75-0.87) Heterogeneity: 72.90%
Specificity CECT (1) versus MRI with and without contrast (2), 19 studies: Index test-1 (CT) 0.92 (95% CI 0.84 to 0.96) Heterogeneity (reasons): 86.74% Index test-2 (MRI) 0.91 (95%CI: 0.82-0.95) Heterogeneity: 89.81% ___
Sensitivity CECT (1) versus gadoxetate enhanced MRI (2): A-1: 0.81 (0.69-0.90) A-2: 0.86 (0.75-0.94) B-1: 0.55 (0.36-0.72) B-2: 0.91 (0.76-0.98) C-1: 0.64 (0.53-0.74) C-2: 0.96 (0.89-0.99) D-1: 0.85 (0.65-0.96) D-2: 0.92 (0.75-0.99) E-1: 0.74 (0.61-0.85) E-2: 0.93 (0.83-0.98) F-1: 0.56 (0.35-0.75) F-2: 0.59 (0.39-0.78) G-1: 0.70 (0.57-0.81) G-2: 0.77 (0.64-0.87) H-1: 0.87 (0.80-0.93) H-2: 0.86 (0.78-0.92) Index test-1 (CT) 0.73 (95% CI 0.64 to 0.81) Heterogeneity (reasons): 76.35% Index test-2 (MRI) 0.87 (95%CI: 0.79-0.93) Heterogeneity: 78.12%
Specificity CECT (1) versus gadoxetate enhanced MRI (2): A-1: 0.92 (0.81-0.98) A-2: 0.94 (0.85-0.99) B-1: 0.98 (0.81-1.00) B-2: 0.93 (0.76-0.99 C-1: 0.98 (0.95-1.00) C-2: 0.96 (0.91-0.98) D-1: 0.75 (0.53-0.90) D-2: 0.75 (0.53-0.90) E-1: 1.00 (0.94-1.00) E-2: 0.98 (0.91-1.00) F-1: 0.88 (0.64-0.99) F-2: 0.94 (0.71-1.00) G-1: 0.95 (0.83-0.99) G-2: 0.95 (0.83-0.99) H-1: 1.00 (0.88-1.00) H-2: 0.96 (0.82-1.00) Index test-1 (CT) 0.96 (95% CI 0.90 to 0.98) Heterogeneity (reasons): 80.31% Index test-2 (MRI) 0.94 (95%CI: 0.90-0.97) Heterogeneity: 60.07% ___
Sensitivity CECT (1) versus extracellular agent MRI (2): I-1: 0.60 (0.44-0.75) I-2: 0.72 (0.52-0.85) J-1: 0.79 (0.64-0.89) J-2: 0.94 (0.82-0.99) K-1: 0.44 (0.27-0.62) K-2: 0.44 (0.27-0.62) L-1: 0.54 (0.25-0.81) L-2: 0.77 (0.46-0.95) M-1: 0.48 (0.36-0.61) M-2: 0.74 (0.62-0.84) N-1: 0.50 (0.01-0.99) N-2: 0.70 (0.35-0.93) O-1: 0.64 (0.50-0.76) O-2: 0.75 (0.61-0.85) P-1: 0.53 (0.35-0.70) P-2: 0.62 (0.44-0.78) Q-1: 0.62 (0.42-0.79) Q-2: 0.90 (0.74-0.98) R-1: 0.62 (0.51-0.72) R-2: 0.84 (0.74-0.91) S-1: 0.72 (0.64-0.79) S-2: 0.72 (0.64-0.79) Index test-1 (CT) 0.61 (95% CI 0.54 to 0.87) Heterogeneity (reasons): 57.77% Index test-2 (MRI) 0.75 (0.67-0.82) Heterogeneity: 73.67%
Specificity CECT (1) versus extracellular agent MRI (2): I-1: 0.85 (0.62-0.97) I-2: 0.75 (0.51-0.91) J-1: 0.48 (0.29-0.68) J-2: 0.52 (0.32-0.71) K-1: 1.00 (0.84-1.00) K-2: 1.00 (0.84-1.00) L-1: 0.93 (0.83-0.98) L-2: 0.57 (0.43-0.70) M-1: 0.29 (0.04-0.71) M-2: 0.86 (0.42-1.00) N-1: 0.79 (0.49-0.95) N-2: 0.82 (0.57-0.96) O-1: 0.95 (0.75-1.00) O-2: 0.95 (0.75-1.00) P-1: 0.99 (0.92-1.00) P-2: 1.00 (0.95-1.00) Q-1: 0.83 (0.72-0.91) Q-2: 0.88 (0.77-0.94) R-1: 0.72 (0.55-0.80) R-2: 0.36 (0.21-0.54) S-1: 0.87 (0.78-0.93) S-2: 0.87 (0.78-0.93) Pooled characteristic (‘type of statistical analysis’ e.g. bivariate analysis) per index test and cut-off point: Index test-1 (CT) 0.87 (95% CI 0.73 to 0.94) Heterogeneity (reasons): 84.84% Index test-2 (MRI) 0.86 (0.68-0.95) Heterogeneity: 90.04% ___
Lesion <2cm, CECT (1) versus gadoxetate MRI (2) (2 studies), sensitivity: Index test-1 (CT) 0.68 (0.55-0.79) Heterogeneity (reasons): 23.2% Index test-2 (MRI) 0.76 (0.67-0.84) Heterogeneity: 0%
Lesion <2cm, CECT (1) versus gadoxetate MRI (2) (2 studies), specificity: Index test-1 (CT) 0.98 (0.90-1.00) Heterogeneity (reasons): 13.3% Index test-2 (MRI) 0.96(0.87-0.99) Heterogeneity: 0% ___
Lesion <1cm, CECT (1) versus extracellular MRI (2) (2 studies), sensitivity: Index test-1 (CT) 0.48 (0.32-0.62) Heterogeneity (reasons): 52% Index test-2 (MRI) 0.69 (0.54-0.81) Heterogeneity: 94.6%
Lesion <1cm, CECT (1) versus extracellular MRI (2) (2 studies), specificity: Index test-1 (CT) 0.69 (0.51-0.83) Heterogeneity (reasons): 0% Index test-2 (MRI) 0.46 (0.29-0.63) Heterogeneity: 84.3% ___
Lesion >2cm, CECT (1) versus extracellular MRI (2) (3 studies), sensitivity: Index test-1 (CT) 0.79 (0.70-0.86) Heterogeneity (reasons): 88.2% Index test-2 (MRI) 0.88 (0.80-0.93) Heterogeneity: 70.5%
Lesion >2cm, CECT (1) versus extracellular MRI (2) (3 studies), specificity: Index test-1 (CT) 0.90 (0.76-0.97) Heterogeneity (reasons): 0% Index test-2 (MRI) 0.87 (0.73-0.96) Heterogeneity: 0% ___
Lesion 1-2cm, CECT (1) versus extracellular MRI (2) (6 studies), sensitivity: Index test-1 (CT) 0.64 (0.58-0.70) Heterogeneity (reasons): 61.79% Index test-2 (MRI) 0.70 (0.64-0.75) Heterogeneity: 80.4%
Lesion 1-2cm, CECT (1) versus extracellular MRI (2) (6 studies), specificity: Index test-1 (CT) 0.88 (0.82-0.92 Heterogeneity (reasons): 90.89% Index test-2 (MRI) 0.87 (0.81-0.91) Heterogeneity: 92.1% |
Overlap with Chen 2022 for extracellular:
Included in Chen 2022, not in Roberts 2018 for extracellular:
Included in Roberts 2018, not in Chen 2022 for extracellular:
Study quality (ROB): QUADAS-2 by authors: Contrast enhanced CT versus Gadoxetate-enhanced MRI 4/8 studies high risk for patient selection bias and 1/8 unclear. Low risk of bias on other domains.
Contrast enhanced CT versus Extracellular contrast enhanced MRI 5/11 studies have high risk of bias on both the reference standard and patient flow; 2 studies unclear on both domains. 3/11 studies have high risk of bias on patient selection, 1 study unclear. |
Table of quality assessment for systematic reviews of diagnostic studies
|
Study
First author, year |
Appropriate and clearly focused question?1
Yes/no/unclear |
Comprehensive and systematic literature search?2
Yes/no/unclear |
Description of included and excluded studies?3
Yes/no/unclear |
Description of relevant characteristics of included studies?4
Yes/no/unclear |
Assessment of scientific quality of included studies?5
Yes/no/unclear |
Enough similarities between studies to make combining them reasonable?6
Yes/no/unclear |
Potential risk of publication bias taken into account?7
Yes/no/unclear |
Potential conflicts of interest reported?8
Yes/no/unclear |
|
Chen 2022 |
No
Reason: not reported, but the PICO elements can be deduced from the inclusion criteria |
Yes
Reason: date and strategy described and searched in multiple databases. |
No
Reason: includes studies are described. Reasons are provided for excluded studies, but not referenced. |
Yes
Reason: Described in tables 1 and 2. |
Yes
Reason: QUADAS-2 was used. |
Unclear
Reason: heterogeneity is observed in the meta-analyses. Different procedures were used for CT and MRI between studies, however it is unclear whether this could explain the variability. |
Yes
Reason: assessed |
No
Reason: not for the included studies |
|
Li 2019 |
Yes
Reason: aim was provided but could have included more PICO elements. PICO elements are deducible from the inclusion criteria |
Yes
Reason: date and strategy described and searched in multiple databases. |
No
Reason: includes studies are described. Reasons are not provided for excluded studies and are not referenced. |
Yes
Reason: Described in tables 2 and 3. |
Yes
Reason: QUADAS-2 was used. |
Unclear
Reasons: Unclear whether different characteristics explain the heterogeneity observed. |
Yes
Reason: assessed |
No
Reason: not for the included studies |
|
Roberts 2018 |
Yes
Reason: PICO provided |
Yes
Reason: date and strategy described and searched in multiple databases. |
No
Reason: includes studies are described. Reasons are provided for excluded studies, but not referenced. |
Yes
Reason: Described in tables 2. |
Yes
Reason: QUADAS-2 was used. |
Unclear
Reason: heterogeneity is observed in the meta-analyses. Unclear whether different characteristics explain the heterogeneity. |
Yes
Reason: assessed |
No
Reason: not for the included studies |
Table of quality assessment for systematic reviews of diagnostic studies
Based on AMSTAR checklist (Shea, 2007; BMC Methodol 7: 10; doi:10.1186/1471-2288-7-10) and PRISMA checklist (Moher, 2009; PLoS Med 6: e1000097; doi:10.1371/journal.pmed1000097)
Research question:
|
Study
First author, year |
Appropriate and clearly focused question?1
Yes/no/unclear |
Comprehensive and systematic literature search?2
Yes/no/unclear |
Description of included and excluded studies?3
Yes/no/unclear |
Description of relevant characteristics of included studies?4
Yes/no/unclear |
Assessment of scientific quality of included studies?5
Yes/no/unclear |
Enough similarities between studies to make combining them reasonable?6
Yes/no/unclear |
Potential risk of publication bias taken into account?7
Yes/no/unclear |
Potential conflicts of interest reported?8
Yes/no/unclear |
|
Chen 2022 |
No
Reason: not reported, but the PICO elements can be deduced from the inclusion criteria |
Yes
Reason: date and strategy described and searched in multiple databases. |
No
Reason: includes studies are described. Reasons are provided for excluded studies, but not referenced. |
Yes
Reason: Described in tables 1 and 2. |
Yes
Reason: QUADAS-2 was used. |
Unclear
Reason: heterogeneity is observed in the meta-analyses. Different procedures were used for CT and MRI between studies, however it is unclear whether this could explain the variability. |
Yes
Reason: assessed |
No
Reason: not for the included studies |
|
Li 2019 |
Yes
Reason: aim was provided but could have included more PICO elements. PICO elements are deducible from the inclusion criteria |
Yes
Reason: date and strategy described and searched in multiple databases. |
No
Reason: includes studies are described. Reasons are not provided for excluded studies and are not referenced. |
Yes
Reason: Described in tables 2 and 3. |
Yes
Reason: QUADAS-2 was used. |
Unclear
Reasons: Unclear whether different characteristics explain the heterogeneity observed. |
Yes
Reason: assessed |
No
Reason: not for the included studies |
|
Roberts 2018 |
Yes
Reason: PICO provided |
Yes
Reason: date and strategy described and searched in multiple databases. |
No
Reason: includes studies are described. Reasons are provided for excluded studies, but not referenced. |
Yes
Reason: Described in tables 2. |
Yes
Reason: QUADAS-2 was used. |
Unclear
Reason: heterogeneity is observed in the meta-analyses. Unclear whether different characteristics explain the heterogeneity. |
Yes
Reason: assessed |
No
Reason: not for the included studies |
Table of excluded studies
|
Author and year |
Reason for exclusion |
|
Ahn, Y. and Choi, S. H. and Jang, J. K. and Kim, S. Y. and Shim, J. H. and Lee, S. S. and Byun, J. H. (2022), Impact of the Liver Imaging Reporting and Data System on Research Studies of Diagnosing Hepatocellular Carcinoma Using MRI |
Does not seem to contain a head-to-head comparison |
|
Asemota, J. (2017), Review of current trends in imaging and surgical management of hepatocellular carcinoma |
Conference abstract |
|
Asemota, Joseph and Saleh, Mohammed and Igbinovia, Osato and Burns, Danny (2020), A Concise Review on Current Trends in Imaging and Surgical Management of Hepatocellular Carcinoma |
Narrative |
|
Chen, L. and Zhang, L. and Bao, J. and Zhang, J. and Li, C. and Xia, Y. and Huang, X. and Wang, J. (2013), Comparison of MRI with liverspecific contrast agents and multidetector row CT for the detection of hepatocellular carcinoma: A meta-analysis of 15 direct comparative studies |
Post script / letter to the editor |
|
Chou, R. and Cuevas, C. and Fu, R. and Devine, B. and Wasson, N. and Ginsburg, A. and Zakher, B. and Pappas, M. and Graham, E. and Sullivan, S. D. (2015), Imaging techniques for the diagnosis of hepatocellular carcinoma: A systematic review and meta-analysis |
Unclear which studies are used for the subanalyses |
|
Chou, Roger and Cuevas, Carlos and Fu, Rongwei and Devine, Beth and Wasson, Ngoc and Ginsburg, Alexander and Zakher, Bernadette and Pappas, Miranda and Graham, Elaine and Sullivan, Sean (2014), Imaging Techniques for the Diagnosis and Staging of Hepatocellular Carcinoma |
Seems to be surpassed by newer reviews (e.g. Roberts 2018, Chen 2022) |
|
Colli, Agostino and Fraquelli, Mirella and Casazza, Giovanni and Massironi, Sara and Colucci, Alice and Conte, Dario and Duca, Piergiorgio (2006), Accuracy of ultrasonography, spiral CT, magnetic resonance, and alpha-fetoprotein in diagnosing hepatocellular carcinoma: a systematic review |
Does not seem to contain a head-to-head comparison |
|
Dondi, F. and Albano, D. and Cerudelli, E. and Gazzilli, M. and Giubbini, R. and Treglia, G. and Bertagna, F. (2020), Radiolabelled PSMA PET/CT or PET/MRI in hepatocellular carcinoma (HCC): a systematic review |
Does not seem to contain a head-to-head comparison |
|
Duncan, J. K. and Ma, N. and Vreugdenburg, T. D. and Cameron, A. L. and Maddern, G. (2017), Gadoxetic acid-enhanced MRI for the characterization of hepatocellular carcinoma: A systematic review and meta-analysis |
Also includes patients with known HCC instead of suspected only |
|
Fitzmorris, P. and Singal, A. K. (2015), Surveillance and diagnosis of hepatocellular carcinoma |
Narrative |
|
Floriani, I. and D'Onofrio, M. and Rulli, E. and Chen, M. H. and Li, R. and Musicco, L. (2013), Performance of imaging modalities in the diagnosis of hepatocellular carcinoma: a systematic review and meta-analysis |
Also Includes patients with known HCC instead of suspected only |
|
Gilhotra, R. and Htut, S. and McGowan, C. and Gururatsakul, M. and Peter-Kini, G. and Boyd, P. (2020), The importance of a multidisciplinary team in assessing Liver Imaging Reporting and Data System indeterminate lesions: Wait and watch or biopsy? |
Conference/poster abstract |
|
Guo, J. and Seo, Y. and Ren, S. and Hong, S. and Lee, D. and Kim, S. and Jiang, Y. (2016), Diagnostic performance of contrast-enhanced multidetector computed tomography and gadoxetic acid disodium-enhanced magnetic resonance imaging in detecting hepatocellular carcinoma: direct comparison and a meta-analysis |
Also includes patients retrospectively diagnosed with HCC instead of suspected only |
|
Hanna, R. F. and Miloushev, V. Z. and Tang, A. and Finklestone, L. A. and Brejt, S. Z. and Sandhu, R. S. and Santillan, C. S. and Wolfson, T. and Gamst, A. and Sirlin, C. B. (2016), Comparative 13-year meta-analysis of the sensitivity and positive predictive value of ultrasound, CT, and MRI for detecting hepatocellular carcinoma |
Unclear whether there are individual primary studies with a direct head-to-head comparison |
|
Jhaveri, K. and Cleary, S. and Audet, P. and Balaa, F. and Bhayana, D. and Burak, K. and Chang, S. and Dixon, E. and Haider, M. and Molinari, M. and Reinhold, C. and Sherman, M. (2015), Consensus statements from a multidisciplinary expert panel on the utilization and application of a liver-specific MRI Contrast agent (gadoxetic acid) |
Consensus statements |
|
Kang, Ji Hun and Choi, Sang Hyun and Lee, Ji Sung and Kim, Kyung Won and Kim, So Yeon and Lee, Seung Soo and Byun, Jae Ho (2021), Inter-reader reliability of CT Liver Imaging Reporting and Data System according to imaging analysis methodology: a systematic review and meta-analysis |
Does not seem to contain a head-to-head comparison |
|
Karmazanovsky, G. G. and Shantarevich, M. Yu (2021), The review of international clinical guidelines and clinical trial results for the diagnosis of hepatocellular cancer (HCC) for the period 2014-2020 |
Article in Russian |
|
Kim, D. H. and Choi, S. H. and Park, S. H. and Kim, K. W. and Byun, J. H. and Kim, S. Y. and Lee, S. S. and Choi, J. I. (2021), The Liver Imaging Reporting and Data System tumor-in-vein category: a systematic review and meta-analysis |
Does not seem to contain a head-to-head comparison |
|
Kim, D. W. and Choi, S. H. and Lee, J. S. and Kim, S. Y. and Lee, S. J. and Byun, J. H. (2021), Interreader reliability of liver imaging reporting and data system treatment response: A systematic review and meta-analysis |
Does not seem to contain a head-to-head comparison |
|
Kim, Y. Y. and Lee, S. and Shin, J. and Son, W. J. and Shin, H. and Lee, J. E. and Hwang, J. A. and Chung, Y. E. and Choi, J. Y. and Park, M. S. (2021), Diagnostic Performance of Liver Imaging Reporting and Data System Version 2017 Versus Version 2018 for Hepatocellular Carcinoma: A Systematic Review and Meta-Analysis of Comparative Studies |
Does not seem to contain a head-to-head comparison |
|
Lee, S. and Kim, S. S. and Roh, Y. H. and Choi, J. Y. and Park, M. S. and Kim, M. J. (2020), Diagnostic Performance of CT/MRI Liver Imaging Reporting and Data System v2017 for Hepatocellular Carcinoma: A Systematic Review and Meta-Analysis |
Does not seem to contain a head-to-head comparison |
|
Lee, S. and Kim, Y. Y. and Shin, J. and Hwang, S. H. and Roh, Y. H. and Chung, Y. E. and Choi, J. Y. (2020), CT and MRI Liver Imaging Reporting and Data System Version 2018 for Hepatocellular Carcinoma: A Systematic Review With Meta-Analysis |
Does not seem to contain a head-to-head comparison |
|
Lee, Y. J. and Lee, J. M. and Lee, J. S. and Lee, H. Y. and Park, B. H. and Kim, Y. H. and Han, J. K. and Choi, B. I. (2015), Hepatocellular carcinoma: Diagnostic performance of multidetector CT and MR imaging-a systematic review and meta-analysis |
Unclear which studies are used for the analyses |
|
Lei, J. and Wang, Y. and Li, Z. and Guo, S. and Wang, X. and Zhai, Y. and Yang, K. (2014), Gadoxetic acid disodium (Gd-EOB-DTPA)-enhanced magnetic resonance imaging for the detection of hepatocellular carcinoma: A meta-analysis |
Does not seem to contain a head-to-head comparison |
|
Li, L. and Hu, Y. and Han, J. and Li, Q. and Peng, C. and Zhou, J. (2021), Clinical application of liver imaging reporting and data system for characterizing liver neoplasms: A meta-analysis |
Does not seem to contain a head-to-head comparison |
|
Liang, Y. and Xu, F. and Guo, Y. and Lai, L. and Jiang, X. and Wei, X. and Wu, H. and Wang, J. (2021), Diagnostic performance of LI-RADS for MRI and CT detection of HCC: A systematic review and diagnostic meta-analysis |
Does not seem to contain a head-to-head comparison |
|
Liu, X. and Jiang, H. and Chen, J. and Zhou, Y. and Huang, Z. and Song, B. (2017), Gadoxetic acid disodium–enhanced magnetic resonance imaging outperformed multidetector computed tomography in diagnosing small hepatocellular carcinoma: A meta-analysis |
Includes studies using imaging as a reference standard (not in radiological follow-up) |
|
Nadarevic, T. and Colli, A. and Giljaca, V. and Fraquelli, M. and Casazza, G. and Manzotti, C. and Štimac, D. and Miletic, D. (2022), Magnetic resonance imaging for the diagnosis of hepatocellular carcinoma in adults with chronic liver disease |
Does not seem to contain a head-to-head comparison |
|
Nadarevic, T. and Giljaca, V. and Colli, A. and Fraquelli, M. and Casazza, G. and Miletic, D. and Štimac, D. (2021), Computed tomography for the diagnosis of hepatocellular carcinoma in adults with chronic liver disease |
Does not seem to contain a head-to-head comparison |
|
Park, E. J. and Son, J. H. and Choi, S. H. (2022), Imaging features of hepatocellular carcinoma in nonalcoholic fatty liver disease and nonalcoholic steatohepatitis: a systematic review and meta-analysis |
Does not seem to contain a head-to-head comparison |
|
Tang, A. and Bashir, M. R. and Corwin, M. T. and Cruite, I. and Dietrich, C. F. and Do, R. K. G. and Ehman, E. C. and Fowler, K. J. and Hussain, H. K. and Jha, R. C. and Karam, A. R. and Mamidipalli, A. and Marks, R. M. and Mitchell, D. G. and Morgan, T. A. and Ohliger, M. A. and Shah, A. and Vu, K. N. and Sirlin, C. B. (2018), Evidence supporting LI-RADS major features for CT- and MR imaging-based diagnosis of hepatocellular carcinoma: A systematic review |
Narrative |
|
Tang, E. S. T. and Hall, G. and Yu, D. and Menard, A. and Hopman, W. and Nanji, S. (2019), Predictors and Cumulative Frequency of Hepatocellular Carcinoma in High and Intermediate LI-RADS Lesions: A Cohort Study from a Canadian Academic Institution |
Does not seem to contain a head-to-head comparison |
|
Usman, S. and Smith, L. and Brown, N. and Major, V. (2018), Diagnostic accuracy of Magnetic Resonance Imaging using liver tissue specific contrast agents and contrast enhanced Multi Detector Computed Tomography: A systematic review of diagnostic test in Hepatocellular Carcinoma (HCC) |
No meta-analysis of studies |
|
van der Pol, C. B. and Lim, C. S. and Sirlin, C. B. and McGrath, T. A. and Salameh, J. P. and Bashir, M. R. and Tang, A. and Singal, A. G. and Costa, A. F. and Fowler, K. and McInnes, M. D. F. (2019), Accuracy of the Liver Imaging Reporting and Data System in Computed Tomography and Magnetic Resonance Image Analysis of Hepatocellular Carcinoma or Overall Malignancy—A Systematic Review |
Does not seem to contain a head-to-head comparison |
|
van der Pol, C. B. and McInnes, M. D. F. and Salameh, J. P. and Chernyak, V. and Tang, A. and Bashir, M. R. (2022), Impact of Reference Standard on CT, MRI, and Contrast-enhanced US LI-RADS Diagnosis of Hepatocellular Carcinoma: A Meta-Analysis |
Editorial |
|
van der Pol, C. B. and McInnes, M. D. F. and Salameh, J. P. and Levis, B. and Chernyak, V. and Sirlin, C. B. and Bashir, M. R. and Allen, B. C. and Burke, L. M. B. and Choi, J. Y. and Choi, S. H. and Forner, A. and Fraum, T. J. and Giamperoli, A. and Jiang, H. and Joo, I. and Kang, Z. and Kierans, A. S. and Kang, H. J. and Khatri, G. and Kim, J. H. and Kim, M. J. and Kim, S. Y. and Kim, Y. Y. and Kwon, H. and Lee, J. M. and Lewis, S. C. and McGinty, K. A. and Mulazzani, L. and Park, M. S. and Piscaglia, F. and Podgórska, J. and Reiner, C. S. and Ronot, M. and Rosiak, G. and Song, B. and Song, J. S. and Tang, A. and Terzi, E. and Wang, J. and Wang, W. and Wilson, S. R. and Yokoo, T. (2022), CT/MRI and CEUS LI-RADS Major Features Association with Hepatocellular Carcinoma: Individual Patient Data Meta-Analysis |
Compares imaging features. Does not seem to contain a head-to-head comparison |
|
Wu, L. M. and Xu, J. R. and Gu, H. Y. and Hua, J. and Chen, J. and Zhu, J. and Zhang, W. and Hu, J. (2013), Is liver-specific gadoxetic acid-enhanced magnetic resonance imaging a reliable tool for detection of hepatocellular carcinoma in patients with chronic liver disease? |
Seems to be surpassed by newer reviews on gd-eob-dtpa (e.g. Roberts 2018, Li 2019) |
|
Ye, F. and Liu, J. and Ouyang, H. and Lin, W. (2015), Gadolinium ethoxybenzyl diethylenetriamine pentaacetic acid (Gd-EOB-DTPA)-enhanced magnetic resonance imaging and multidetector-row computed tomography for the diagnosis of hepatocellular carcinoma: A systematic review and meta-analysis |
Overlap with Li 2019 |
|
Youn, S. Y. and Kim, D. H. and Choi, S. H. and Kim, B. and Choi, J. I. and Shin, Y. R. and Oh, S. N. and Rha, S. E. (2021), Diagnostic performance of Liver Imaging Reporting and Data System treatment response algorithm: a systematic review and meta-analysis |
Does not seem to contain a head-to-head comparison |
|
Zech, C. J. and Potthoff, A. and Ricke, J. (2018), Radiological imaging and response assessment in HCC |
Narrative, article in German |
|
Zhou, Yan and Qin, Zhengyi and Ding, Jianmin and Zhao, Lin and Chen, Ying and Wang, Fengmei and Jing, Xiang (2022), Risk Stratification and Distribution of Hepatocellular Carcinomas in CEUS and CT/MRI LI-RADS: A Meta-Analysis |
Does not seem to contain a head-to-head comparison |
Verantwoording
Autorisatiedatum en geldigheid
Laatst beoordeeld : 01-01-2024
Laatst geautoriseerd : 01-01-2024
Geplande herbeoordeling : 01-01-2029
Algemene gegevens
De ontwikkeling/herziening van deze richtlijnmodule werd ondersteund door het Kennisinstituut van de Federatie Medisch Specialisten (www.demedischspecialist.nl/kennisinstituut) en werd gefinancierd uit de Stichting Kwaliteitsgelden Medisch Specialisten (SKMS).
De financier heeft geen enkele invloed gehad op de inhoud van de richtlijnmodule.
Samenstelling werkgroep
Voor het ontwikkelen van de richtlijnmodule is in 2021 een multidisciplinaire werkgroep ingesteld, bestaande uit vertegenwoordigers van alle relevante specialismen (zie hiervoor de Samenstelling van de werkgroep) die betrokken zijn bij de zorg voor patiënten met hepatocellulaircarcinoom.
Werkgroep
- Prof. dr. R.A de Man, MDL-arts, Erasmus MC, Rotterdam, NVMDL (voorzitter)
- Dr. K.J. van Erpecum, MDL-arts, UMC Utrecht, Utrecht, NVMDL
- Dr. E.T.T.L. Tjwa, MDL-arts, Radboud UMC, Nijmegen, NVMDL
- Dr. R.B. Takkenberg, MDL-arts, Amsterdam UMC, Amsterdam, NVMDL
- Dr. F.G.I. van Vilsteren, MDL-arts, UMCG, Groningen, NVMDL
- Dr. D. Sprengers, MDL-arts, Erasmus MC, Rotterdam, NVMDL
- Dr. M.J. Coenraad, MDL-arts, LUMC, Leiden, NVMDL
- Prof. dr. B. van Hoek, MDL-arts, LUMC, Leiden, NVMDL
- Dr. N. Haj Mohammad, Internist-oncoloog, UMC Utrecht, Utrecht, NIV
- Dr. J. de Vos-Geelen, Internist-oncoloog, MUMC, Maastricht, NIV
- Drs. J.A. Willemse, Directeur Nederlandse Leverpatiënten Vereniging
- Prof. dr. M.G.E. Lam, Nucleair geneeskundige, UMC Utrecht, Utrecht, NVNG
- Prof. dr. J. Verheij, Patholoog, Amsterdam UMC, Amsterdam, NVvP
- Dr. M. (Michail) Doukas, Patholoog, Erasmus MC, Rotterdam, NVvP
- Dr. A.M. Mendez Romero, Radiotherapeut, Erasmus MC, Rotterdam, NVvR
- Dr. A.E. Braat, Chirurg, LUMC, Leiden, NVvH
- Dr. M.W. Nijkamp, Chirurg, UMCG, Groningen, NVvH
- Prof. Dr. J.N.M. Ijzermans, Chirurg, ErasmusMC, Rotterdam, NVvH
- Drs. J.I. Erdmann, Chirurg, Amsterdam UMC, Amsterdam, NVvH
- Dr. M.C. Burgmans, Radioloog, LUMC, Leiden, NVvR
- Drs. F.E.J.A. Willemssen, Radioloog, ErasmusMC, Rotterdam, NVvR
- Prof. Dr. O.M. (Otto) van Delden, Radioloog, AmsterdamUMC, Amsterdam, NVvR
- J.I. Franken, Verpleegkundig specialist, ErasmusMC, Rotterdam, V&VN
Met ondersteuning van
- Dr. C. Gaasterland, Adviseur, Kennisinstituut van de Federatie Medisch Specialisten
- Dr. D. Nieboer, Adviseur, Kennisinstituut van de Federatie Medisch Specialisten
- Dr. N. Zielonke, Adviseur, Kennisinstituut van de Federatie Medisch Specialisten
- Drs. M. Oerbekke, Adviseur, Kennisinstituut van de Federatie Medisch Specialisten
- Drs. M. te Lintel Hekkert, Junior adviseur, Kennisinstituut van de Federatie Medisch Specialisten
- Drs. S van Duijn, Junior adviseur, Kennisinstituut van de Federatie Medisch Specialisten
- Drs. A. van Hoeven, Junior adviseur, Kennisinstituut van de Federatie Medisch Specialisten
- D.P. Gutierrez, projectsecretaresse, Kennisinstituut van de Federatie Medisch Specialisten
Belangenverklaringen
De Code ter voorkoming van oneigenlijke beïnvloeding door belangenverstrengeling is gevolgd. Alle werkgroepleden hebben schriftelijk verklaard of zij in de laatste drie jaar directe financiële belangen (betrekking bij een commercieel bedrijf, persoonlijke financiële belangen, onderzoeksfinanciering) of indirecte belangen (persoonlijke relaties, reputatiemanagement) hebben gehad. Gedurende de ontwikkeling of herziening van een module worden wijzigingen in belangen aan de voorzitter doorgegeven. De belangenverklaring wordt opnieuw bevestigd tijdens de commentaarfase.
Een overzicht van de belangen van werkgroepleden en het oordeel over het omgaan met eventuele belangen vindt u in onderstaande tabel. De ondertekende belangenverklaringen zijn op te vragen bij het secretariaat van het Kennisinstituut van de Federatie Medisch Specialisten.
|
Achternaam werkgroeplid |
Hoofdfunctie |
Nevenwerkzaamheden |
Persoonlijke financiële belangen |
Persoonlijke relaties |
Extern gefinancierd onderzoek |
Intellectuele belangen en reputatie |
Overige belangen |
|
De Man (vz.) |
Hoogleraar Hepatologie, Erasmus MC Rotterdam |
Geen |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Haj Mohammad |
Internist-oncoloog, Universitair Medisch Centrum Utrecht |
Penningmeester Dutch Upper GI Cancer (DUCG), onbetaald |
Geen |
Geen |
Geen |
Lid wetenschappelijke raad Dutch Hepato and Cholangio Carcinoma Group(DHCG) |
Geen |
|
Burgmans |
Sectiehoofd interventie radiologie LUMC |
Voorzitter Nederlandse Vereniging Interventieradiologie |
Geen |
Geen |
PROMETHEUS studie, subsidie KWF, project leider |
Geen |
Geen |
|
Lam |
Nucleair geneeskundige, UMC Utrecht |
Geen |
Geen |
Geen |
Terumo, Quirem Medical en Boston scientific leveren financiële steun aan wetenschappelijke projecten |
Geen |
Het UMC Utrecht ontvangt royalties en milestone payments van Terumo/Quirem Medical |
|
Franken |
Verpleegkundig Specialist Levertumoren |
Geen |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Verheij |
Hoogleraar hepatopancreatobiliaire Pathologie aan de Universiteit van Amsterdam |
lid medische adviesraad NLV (onbezoldigd) |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Sprengers |
MDL-arts Erasmus MC |
Geen |
Geen |
Geen |
Ik doe translationeel onderzoek met als doel behandeling van patiënten met een HCC te verbeteren. Daarbij wordt soms samengewerkt met famaceutische partijen die producten ontwikkelen die hieraan bij kunnen dragen. Te allen tijde betreft dit objectief wetenschappelijk onderzoek zonder winstoogmerk. |
Geen |
Geen |
|
Van Vilsteren |
MDL-arts UMCG 0,9 fte |
Geen |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Takkenberg |
Maag- Darm Leverarts met specifiek aandachtsgebied leverziekten. Sinds 1-4-2015 in deinst van het Amsterdam UMC, locatie AMC. |
Geen |
Betaald adviesschap: |
Geen |
Ik ben PI van de PEARL studie. Dit is een dubbelblind gerandomiseerde studie bij patiënten die een transjugulaire intrahepatische portosysthemische shunt (TIPS) krijgen. Patiënten worden gerandomiseerd tussen profylactisch lactulose en rifaximin versus lactulose en placebo. Doel is het voorkomen van post-TIPS hepatische encafalopathie (EudraCT-nummer 2018-004323-37). Deze studie wordt gefinancierd door ZonMW en ondersteund door Norgine. Zij leveren de rifaximin en placebo tabletten. |
Secretaris Dutch Hepatocellular and cholangiocarcinoma Group (DHCG) |
Geen |
|
Van Erpecum |
MDL-arts UMC Utrecht |
Associate Editor European Journal of Internal Medicine (onbetaald) |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Willemssen |
Abdominaal Radioloog |
Bestuurslid abdominale sectie NVvR (onbetaald) |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Méndez Romero |
Staflid afdeling radiotherapie in het Erasmus MC |
Als staflid in ee adademisch ziekenhuis ben ik in loondienst van het ErasmusMC |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Tjwa |
MDL arts / hepatoloog |
Geen |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Braat |
chirurg |
Geen |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Nijkamp |
Chirurg Universitair Medisch Centrum Groningen |
Geen |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Willemse |
Directeur Nederlandse Leverpatiënten Vereniging |
* Bestuurslid Liver Patients International (onbetaald) |
Geen |
Geen |
Geen |
Geen |
Geen |
|
IJzermans |
Hoofd HPB & Transplantatiechirurgie Erasmus MC |
- |
Niet van toepassing |
Nee |
Niet van toepassing |
Niet van toepassing |
Nee |
|
Vos, de - Geelen |
* Internist - Medisch Oncoloog Maastricht UMC+ |
Has served as a constultant for Amgen, AstraZeneca, MSD, Pierre Fabre and Servier and has received institutional research funding from Servier |
Has served as a constultant for Amgen, AstraZeneca, MSD, Pierre Fabre and Servier and has received institutional research funding from Servier. Geen directe financiële belangen in een farmaceutisch bedrijf |
Geen |
* Servier: Microbioomonderzoek - Projectleider |
Geen |
Geen |
|
Hoek, van |
* Hoogleraar Hepatologie, Universiteit Leiden |
* Norgine Pharma - patient voorlichtingsmateriaal maken, onder andere podcast - betaald |
Geen |
Nee |
* Roche - Piranga Studie (hepatitis B) - Projectleider |
Geen |
Nee |
|
Delden, van |
Radioloog, Amsterdam UMC |
Voorzitter DHCG |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Doukas |
Universitair Medisch Specialist, Patholoog, Afdeling Pathologie Erasmus MC, Rotterdam |
Geen |
Niet van toepassing |
Niet van toepassing |
Niet van toepassing |
Niet van toepassing |
Niet van toepassing |
|
Coenraad |
Associate professor, MDL arts Leids Universitair Medisch Centrum (1.0 fte) |
Nevenfuncties: |
Niet van toepassing |
Niet van toepassing |
* Horizon2020 - EU Project id 945096. Title ‘Novel treatment of acute-on-chronic liver failure using synergistic action of G-CSF and TAK-242 - Geen projectleider |
Niet van toepassing |
Niet van toepassing |
|
Erdmann |
Chirurg AUMC |
geen |
geen |
geen |
AGEM - perfusie onderzoek (50K), rol als projectleider |
geen |
geen |
Inbreng patiëntenperspectief
Er werd aandacht besteed aan het patiëntenperspectief door deelname van de afgevaardigde patiëntenvereniging Nederlandse Leverpatiëntenvereniging in de werkgroep. De afgevaardigde heeft meebeslist bij het opstellen van de uitgangsvragen, de keuze voor de uitkomstmaten en bij het opstellen van de overwegingen. De conceptrichtlijn is tevens voor commentaar voorgelegd aan de Nederlandse Leverpatiëntenvereniging en de eventueel aangeleverde commentaren zijn bekeken en verwerkt.
Wkkgz & Kwalitatieve raming van mogelijke substantiële financiële gevolgen
Kwalitatieve raming van mogelijke financiële gevolgen in het kader van de Wkkgz
Bij de richtlijn is conform de Wet kwaliteit, klachten en geschillen zorg (Wkkgz) een kwalitatieve raming uitgevoerd of de aanbevelingen mogelijk leiden tot substantiële financiële gevolgen. Bij het uitvoeren van deze beoordeling zijn richtlijnmodules op verschillende domeinen getoetst (zie het stroomschema op de Richtlijnendatabase).
Uit de kwalitatieve raming blijkt dat er geen substantiële financiële gevolgen zijn voor deze richtlijn, gezien het aantal patiënten kleiner is dan 5000.
Werkwijze
AGREE
Deze richtlijnmodule is opgesteld conform de eisen vermeld in het rapport Medisch Specialistische Richtlijnen 2.0 van de adviescommissie Richtlijnen van de Raad Kwaliteit. Dit rapport is gebaseerd op het AGREE II instrument (Appraisal of Guidelines for Research & Evaluation II; Brouwers, 2010).
Knelpuntenanalyse en uitgangsvragen
Tijdens de voorbereidende fase inventariseerde de werkgroep de knelpunten in de zorg voor patiënten met Hepatocellulaircarcinoom. De werkgroep beoordeelde de aanbeveling(en) uit de eerdere richtlijn Hepatocellulaircarcinoom op noodzaak tot revisie. Tevens zijn er knelpunten aangedragen door de deelnemende WV-en, de V&VN en de Nederlandse Leverpatiëntenvereniging.
Op basis van de uitkomsten van de knelpuntenanalyse zijn door de werkgroep concept-uitgangsvragen opgesteld en definitief vastgesteld.
Uitkomstmaten
Na het opstellen van de zoekvraag behorende bij de uitgangsvraag inventariseerde de werkgroep welke uitkomstmaten voor de patiënt relevant zijn, waarbij zowel naar gewenste als ongewenste effecten werd gekeken. Hierbij werd een maximum van acht uitkomstmaten gehanteerd. De werkgroep waardeerde deze uitkomstmaten volgens hun relatieve belang bij de besluitvorming rondom aanbevelingen, als cruciaal (kritiek voor de besluitvorming), belangrijk (maar niet cruciaal) en onbelangrijk. Tevens definieerde de werkgroep tenminste voor de cruciale uitkomstmaten welke verschillen zij klinisch (patiënt) relevant vonden.
Methode literatuursamenvatting
Een uitgebreide beschrijving van de strategie voor zoeken en selecteren van literatuur is te vinden onder ‘Zoeken en selecteren’ onder Onderbouwing. Indien mogelijk werd de data uit verschillende studies gepoold in een random-effects model. Review Manager 5.4 werd gebruikt voor de statistische analyses. De beoordeling van de kracht van het wetenschappelijke bewijs wordt hieronder toegelicht.
Beoordelen van de kracht van het wetenschappelijke bewijs
De kracht van het wetenschappelijke bewijs werd bepaald volgens de GRADE-methode. GRADE staat voor ‘Grading Recommendations Assessment, Development and Evaluation’ (zie http://www.gradeworkinggroup.org/). De basisprincipes van de GRADE-methodiek zijn: het benoemen en prioriteren van de klinisch (patiënt) relevante uitkomstmaten, een systematische review per uitkomstmaat, en een beoordeling van de bewijskracht per uitkomstmaat op basis van de acht GRADE-domeinen (domeinen voor downgraden: risk of bias, inconsistentie, indirectheid, imprecisie, en publicatiebias; domeinen voor upgraden: dosis-effect relatie, groot effect, en residuele plausibele confounding).
GRADE onderscheidt vier gradaties voor de kwaliteit van het wetenschappelijk bewijs: hoog, redelijk, laag en zeer laag. Deze gradaties verwijzen naar de mate van zekerheid die er bestaat over de literatuurconclusie, in het bijzonder de mate van zekerheid dat de literatuurconclusie de aanbeveling adequaat ondersteunt (Schünemann, 2013; Hultcrantz, 2017).
|
GRADE |
Definitie |
|
Hoog |
|
|
Redelijk |
|
|
Laag |
|
|
Zeer laag |
|
Bij het beoordelen (graderen) van de kracht van het wetenschappelijk bewijs in richtlijnen volgens de GRADE-methodiek spelen grenzen voor klinische besluitvorming een belangrijke rol (Hultcrantz, 2017). Dit zijn de grenzen die bij overschrijding aanleiding zouden geven tot een aanpassing van de aanbeveling. Om de grenzen voor klinische besluitvorming te bepalen moeten alle relevante uitkomstmaten en overwegingen worden meegewogen. De grenzen voor klinische besluitvorming zijn daarmee niet één op één vergelijkbaar met het minimaal klinisch relevant verschil (Minimal Clinically Important Difference, MCID). Met name in situaties waarin een interventie geen belangrijke nadelen heeft en de kosten relatief laag zijn, kan de grens voor klinische besluitvorming met betrekking tot de effectiviteit van de interventie bij een lagere waarde (dichter bij het nuleffect) liggen dan de MCID (Hultcrantz, 2017).
Overwegingen (van bewijs naar aanbeveling)
Om te komen tot een aanbeveling zijn naast (de kwaliteit van) het wetenschappelijke bewijs ook andere aspecten belangrijk en worden meegewogen, zoals aanvullende argumenten uit bijvoorbeeld de biomechanica of fysiologie, waarden en voorkeuren van patiënten, kosten (middelenbeslag), aanvaardbaarheid, haalbaarheid en implementatie. Deze aspecten zijn systematisch vermeld en beoordeeld (gewogen) onder het kopje ‘Overwegingen’ en kunnen (mede) gebaseerd zijn op expert opinion. Hierbij is gebruik gemaakt van een gestructureerd format gebaseerd op het evidence-to-decision framework van de internationale GRADE Working Group (Alonso-Coello, 2016a; Alonso-Coello, 2016b). Dit evidence-to-decision framework is een integraal onderdeel van de GRADE methodiek.
Formuleren van aanbevelingen
De aanbevelingen geven antwoord op de uitgangsvraag en zijn gebaseerd op het beschikbare wetenschappelijke bewijs en de belangrijkste overwegingen, en een weging van de gunstige en ongunstige effecten van de relevante interventies. De kracht van het wetenschappelijk bewijs en het gewicht dat door de werkgroep wordt toegekend aan de overwegingen, bepalen samen de sterkte van de aanbeveling. Conform de GRADE-methodiek sluit een lage bewijskracht van conclusies in de systematische literatuuranalyse een sterke aanbeveling niet a priori uit, en zijn bij een hoge bewijskracht ook zwakke aanbevelingen mogelijk (Agoritsas, 2017; Neumann, 2016). De sterkte van de aanbeveling wordt altijd bepaald door weging van alle relevante argumenten tezamen. De werkgroep heeft bij elke aanbeveling opgenomen hoe zij tot de richting en sterkte van de aanbeveling zijn gekomen.
In de GRADE-methodiek wordt onderscheid gemaakt tussen sterke en zwakke (of conditionele) aanbevelingen. De sterkte van een aanbeveling verwijst naar de mate van zekerheid dat de voordelen van de interventie opwegen tegen de nadelen (of vice versa), gezien over het hele spectrum van patiënten waarvoor de aanbeveling is bedoeld. De sterkte van een aanbeveling heeft duidelijke implicaties voor patiënten, behandelaars en beleidsmakers (zie onderstaande tabel). Een aanbeveling is geen dictaat, zelfs een sterke aanbeveling gebaseerd op bewijs van hoge kwaliteit (GRADE-gradering HOOG) zal niet altijd van toepassing zijn, onder alle mogelijke omstandigheden en voor elke individuele patiënt.
|
Implicaties van sterke en zwakke aanbevelingen voor verschillende richtlijngebruikers |
||
|
|
Sterke aanbeveling |
Zwakke (conditionele) aanbeveling |
|
Voor patiënten |
De meeste patiënten zouden de aanbevolen interventie of aanpak kiezen en slechts een klein aantal niet. |
Een aanzienlijk deel van de patiënten zouden de aanbevolen interventie of aanpak kiezen, maar veel patiënten ook niet. |
|
Voor behandelaars |
De meeste patiënten zouden de aanbevolen interventie of aanpak moeten ontvangen. |
Er zijn meerdere geschikte interventies of aanpakken. De patiënt moet worden ondersteund bij de keuze voor de interventie of aanpak die het beste aansluit bij zijn of haar waarden en voorkeuren. |
|
Voor beleidsmakers |
De aanbevolen interventie of aanpak kan worden gezien als standaardbeleid. |
Beleidsbepaling vereist uitvoerige discussie met betrokkenheid van veel stakeholders. Er is een grotere kans op lokale beleidsverschillen. |
Organisatie van zorg
In de knelpuntenanalyse en bij de ontwikkeling van de richtlijnmodule is expliciet aandacht geweest voor de organisatie van zorg: alle aspecten die randvoorwaardelijk zijn voor het verlenen van zorg (zoals coördinatie, communicatie, (financiële) middelen, mankracht en infrastructuur). Randvoorwaarden die relevant zijn voor het beantwoorden van deze specifieke uitgangsvraag zijn genoemd bij de overwegingen. Meer algemene, overkoepelende, of bijkomende aspecten van de organisatie van zorg worden behandeld in de module Organisatie van zorg.
Commentaar- en autorisatiefase
De conceptrichtlijnmodule werd aan de betrokken (wetenschappelijke) verenigingen en (patiënt) organisaties voorgelegd ter commentaar. De commentaren werden verzameld en besproken met de werkgroep. Naar aanleiding van de commentaren werd de conceptrichtlijnmodule aangepast en definitief vastgesteld door de werkgroep. De definitieve richtlijnmodule werd aan de deelnemende (wetenschappelijke) verenigingen en (patiënt) organisaties voorgelegd voor autorisatie en door hen geautoriseerd dan wel geaccordeerd.
Literatuur
Agoritsas T, Merglen A, Heen AF, Kristiansen A, Neumann I, Brito JP, Brignardello-Petersen R, Alexander PE, Rind DM, Vandvik PO, Guyatt GH. UpToDate adherence to GRADE criteria for strong recommendations: an analytical survey. BMJ Open. 2017 Nov 16;7(11):e018593. doi: 10.1136/bmjopen-2017-018593. PubMed PMID: 29150475; PubMed Central PMCID: PMC5701989.
Alonso-Coello P, Schünemann HJ, Moberg J, Brignardello-Petersen R, Akl EA, Davoli M, Treweek S, Mustafa RA, Rada G, Rosenbaum S, Morelli A, Guyatt GH, Oxman AD; GRADE Working Group. GRADE Evidence to Decision (EtD) frameworks: a systematic and transparent approach to making well informed healthcare choices. 1: Introduction. BMJ. 2016 Jun 28;353:i2016. doi: 10.1136/bmj.i2016. PubMed PMID: 27353417.
Alonso-Coello P, Oxman AD, Moberg J, Brignardello-Petersen R, Akl EA, Davoli M, Treweek S, Mustafa RA, Vandvik PO, Meerpohl J, Guyatt GH, Schünemann HJ; GRADE Working Group. GRADE Evidence to Decision (EtD) frameworks: a systematic and transparent approach to making well informed healthcare choices. 2: Clinical practice guidelines. BMJ. 2016 Jun 30;353:i2089. doi: 10.1136/bmj.i2089. PubMed PMID: 27365494.
Brouwers MC, Kho ME, Browman GP, Burgers JS, Cluzeau F, Feder G, Fervers B, Graham ID, Grimshaw J, Hanna SE, Littlejohns P, Makarski J, Zitzelsberger L; AGREE Next Steps Consortium. AGREE II: advancing guideline development, reporting and evaluation in health care. CMAJ. 2010 Dec 14;182(18):E839-42. doi: 10.1503/cmaj.090449. Epub 2010 Jul 5. Review. PubMed PMID: 20603348; PubMed Central PMCID: PMC3001530.
Hultcrantz M, Rind D, Akl EA, Treweek S, Mustafa RA, Iorio A, Alper BS, Meerpohl JJ, Murad MH, Ansari MT, Katikireddi SV, Östlund P, Tranæus S, Christensen R, Gartlehner G, Brozek J, Izcovich A, Schünemann H, Guyatt G. The GRADE Working Group clarifies the construct of certainty of evidence. J Clin Epidemiol. 2017 Jul;87:4-13. doi: 10.1016/j.jclinepi.2017.05.006. Epub 2017 May 18. PubMed PMID: 28529184; PubMed Central PMCID: PMC6542664.
Medisch Specialistische Richtlijnen 2.0 (2012). Adviescommissie Richtlijnen van de Raad Kwalitieit. http://richtlijnendatabase.nl/over_deze_site/over_richtlijnontwikkeling.html
Neumann I, Santesso N, Akl EA, Rind DM, Vandvik PO, Alonso-Coello P, Agoritsas T, Mustafa RA, Alexander PE, Schünemann H, Guyatt GH. A guide for health professionals to interpret and use recommendations in guidelines developed with the GRADE approach. J Clin Epidemiol. 2016 Apr;72:45-55. doi: 10.1016/j.jclinepi.2015.11.017. Epub 2016 Jan 6. Review. PubMed PMID: 26772609.
Schünemann H, Brożek J, Guyatt G, et al. GRADE handbook for grading quality of evidence and strength of recommendations. Updated October 2013. The GRADE Working Group, 2013. Available from http://gdt.guidelinedevelopment.org/central_prod/_design/client/handbook/handbook.html.
Zoekverantwoording
Zoekacties zijn opvraagbaar. Neem hiervoor contact op met de Richtlijnendatabase.