Putting an eye on cytological specimens: An audit of the clinical impact of thyroid fine‐needle aspiration in different health care settings
Notice bibliographique
Résumé
There is published evidence showing less cost-benefit approaches in the evaluation of thyroid nodules. We performed an institutional audit of the cytologic diagnosis of thyroid fine-needle aspiration (FNA) in an attempt to perceive the clinical impact of this technique on the management of thyroid nodules and to compare it in two different types of health care: Primary Care Medicine and Endocrinology. We performed a retrospective analysis to the electronic records of patients referred from General Practitioners (GP) and Endocrinologists (E) for thyroid FNA between 2010 and 2012. Request forms for cytological reports where retrieved for analysis of clinical and cytological data. The database search retrieved 1655 patients (female gender: 88.2%; GP references: 51.8%). Preprocedure clinical information was available from 157 out of 2005 nodules (7.8%). Significant differences in cytological diagnosis were seen in "Nondiagnostic" (GP: 11.6%; E: 7.5%, χ(2) = 0.002) and "Benign" categories (GP: 75%; E: 81.8%, χ(2) < 0.001). The main potential cause of "Nondiagnostic" samples was nodules smaller than one centimeter (total: 14 cases; GP: 7; E: 7). Reasons to request FNA for these nodules were provided in 6 out of 27 cases (GP: 0/16; E: 6/11, P < 0.001). The rate of insufficient samples was inversely correlated with nodule size (τ = -0.242, P = 0.001). When evaluating thyroid nodules, clinicians should take into account the limitations of FNA, the international recommendations for better cost-benefit approaches and the importance of a well-informed cytopathologist for better cytological diagnostic results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».