Role of Fine‐needle Aspiration Biopsy and Frozen Section in the Management of Papillary Thyroid Carcinoma Subtypes
Notice bibliographique
Résumé
Since fine-needle aspiration biopsy (FNAB) was introduced, the value of frozen section (FS) has been questioned. This study compares FNAB and FS sensitivities among the usual form of papillary thyroid cancer (uPTC) and variants of PTC such as tall cell (tcPTC), follicular (fPTC), and Hurthle cell (HcPTC). A total of 257 patients who underwent preoperative FNAB, intraoperative FS, and thyroidectomy for PTC were, randomly selected from a database of a university teaching hospital in Toronto. There were 218 females (84.8%) and 39 males (15.2%), from 19 to 89 years of age (mean of 44 years), having uPTC (n = 212), fPTC (n = 24), HcPTC (n = 14), and tcPTC (n = 7). Data were analyzed using chi2 test. Sensitivities were calculated by division of true positives and by the sum of true positives and false negatives. True positives had to reflect a conclusive diagnosis of cancer. The FNAB sensitivities were uPTC (39.2%), fPTC (25%), HcPTC (42.9%), tcPTC (85.7%), similar to FS sensitivities (p = 0.497) for uPTC (44.3%), fPTC (16.7%), HcPTC (42.9%), and tcPTC (71.4%). Use of FS following FNAB increased sensitivities for uPTC to 56.1%, fPTC to 29.2%, and tcPTC to 100%. In addition, FS did not increase FNAB sensitivity in HcPTC. Combination FNAB plus FS failed in 43.9% of uPTC, 70.8% of fPTC, and 57.1% of HcPTC. We concluded that FNAB and FS sensitivity vary with PTC subtype and are still necessary for selection and treatment. The recognition of morphologic subtypes of PTC from the FNAB could optimize the selection of patients for intraoperative FS, enhance the preoperative assessment of prognosis, facilitate the surgical planning, and simplify the preparation of postoperative adjuvant therapy.
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 ».