Abstract
Purpose: To evaluate the interobserver variability for US assessments of thyroid nodules and
analyze the diagnostic performances of US assessments in thyroid nodules according
to nodule size.
Materials and Methods: This was an IRB-approved retrospective study with waiver of informed consent. A total
of 400 surgically-confirmed thyroid nodules were included. Nodules were divided into
4 groups by size; group 1 (nodule size < 5 mm), group 2 (5 mm ≤ nodule size < 10 mm),
group 3 (10 mm ≤ nodule size < 20 mm), and group 4 (nodule size ≥ 20 mm). Three experienced
(7 – 10 years) radiologists retrospectively reviewed the US images. Agreement of each
US descriptor and final US assessment, and diagnostic performances were calculated
in each group and compared.
Results: Composition represented substantial or good agreement (k = 0.719 – 0.89). Margin
showed the lowest agreement (k = 0.322 – 0.365). Individual kappa values for final
assessment according to nodule size were as follows: group 1 (k = 0.674), group 2
(k = 0.596), group 3 (k = 0.674), and group 4 (k = 0.673). Specificity, PPV, and accuracy
were significantly different among the groups with different size (p value < 0.05)
and lowest in group 1. NPV, specificity, PPV and accuracy except PPV of observer 3
increased with nodule size (p < 0.05).
Conclusion: Interobserver agreements were relatively good (k = 0.637) in final US assessment
regardless of nodule size in experienced radiologists. High false-positive rate was
observed in US assessment in nodules less than 5 mm in maximum diameter.
Zusammenfassung
Ziel: Die Bewertung der Interobserver-Variabilität und die Analyse der diagnostischen Leistungsfähigkeit
bei der US-Beurteilung von Schilddrüsenknoten entsprechend der Größe.
Material und Methoden: Es handelt sich um eine vom IRB genehmigte, retrospektive Studie mit Verzicht auf
Einwilligung nach Aufklärung. Eingeschlossen wurden insgesamt 400 operativ bestätigte
Schilddrüsenknoten. Die Knoten wurden je nach Größe in 4 Gruppen unterteilt: Gruppe
1 (Knotengröße < 5 mm), Gruppe 2 (Knotengröße ≥ 5 mm bis < 10 mm), Gruppe 3 (Knotengröße
≥ 10 mm bis < 20 mm) und Gruppe 4 (Knotengröße ≥ 20 mm). Drei Radiologen mit 7- bis
10-jähriger Erfahrung bewerteten retrospektiv die US-Bilder. Die Übereinstimmung jedes
US-Deskriptors, die US-Endbewertung sowie die diagnostische Leistungsfähigkeit wurden
jeder Gruppe berechnet und miteinander verglichen.
Ergebnisse: Die Struktur zeigte eine beachtliche bis gute Übereinstimmung (κ = 0,719 – 0,89).
Die Begrenzung zeigte die niedrigste Übereinstimmung (κ = 0,322 – 0,365). Die individuellen
Kappa-Werte der Endbewertung nach Knotengröße betrugen: In Gruppe 1 (κ = 0,674), in
Gruppe 2 (κ = 0,596), in Gruppe 3 (κ = 0,674) und in Gruppe 4 (κ = 0,673). Spezifität,
PVW und Genauigkeit zeigten signifikante Unterschiede zwischen den Gruppen unterschiedlicher
Größe (p-Wert < 0,05) und waren jeweils in Gruppe 1 am niedrigsten. Abgesehen vom
PVW bei Beobachter 3 stiegen NVW, Spezifität, PVW und Genauigkeit mit zunehmender
Knotengröße (p < 0,05) an.
Schlussfolgerung: Die Interobserver-Übereinstimmungen erfahrener Radiologen waren unabhängig von der
Knotengröße in der Endbewertung relativ gut (κ = 0,637). Eine hohe Rate an falsch
positiven Ergebnissen wurde bei der sonografischen Beurteilung von Knoten unter 5 mm
maximalem Durchmesser beobachtet.
Key words
head/neck - tumor - ultrasound
