Tumor Classification in Well-Differentiated Thyroid Carcinoma and Sentinel Lymph Node Biopsy Outcomes: A Direct Correlation
Notice bibliographique
Résumé
BACKGROUND: Predicting locoregional metastasis in well-differentiated thyroid carcinoma (WDTC) is a challenge for thyroid cancer surgeons. Sentinel lymph node biopsy (SLNB) has been shown to be an effective predictive tool. To our knowledge, primary tumor (T) classification has yet to be studied with regard to SLNB. We hypothesized that larger primary tumors would correlate with the rate of malignancy in SLNBs. METHODS: A retrospective chart review was conducted on patients operated for WDTC at the McGill Thyroid Cancer Center over a 36-month period. Patients who underwent a total thyroidectomy and SLNB for WDTC were included in this study. RESULTS: A total of 311 patients were included and separated into two groups (236 negative and 75 positive SLNBs). Among patients with negative SLNBs, 65% had T1 primary tumors, 17% T2, 16% T3, and 2% T4, whereas 18% of patients with positive SLNBs had T1 primary tumors, 5% T2, 45% T3, and 32% T4 (p<0.001). Patients under the age of 45 years had a higher rate of positive SLNs (36% in those <45 years vs. 17% in those ≥ 45 years; p<0.001). CONCLUSIONS: Age (<45 years) and higher T category were found to be associated with a higher rate of positive SLNBs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».