The Role of Sentinel Lymph Node Biopsy in Differentiated Thyroid Carcinoma
Notice bibliographique
Résumé
OBJECTIVE: To determine whether sentinel lymph node (SLN) biopsy can accurately predict central compartment metastasis in patients with differentiated thyroid carcinoma. DESIGN: Prospective clinical study. SETTING: Academic tertiary care center. PATIENTS: Ninety-eight patients (82 women and 16 men; mean age, 48.3 years) underwent a total thyroidectomy and central compartment dissection. INTERVENTION: Peritumoral injection of methylene blue dye, 1%, followed by SLN biopsy. MAIN OUTCOME MEASURES: The final pathology report established the presence of metastasis among SLNs and lymph nodes that did not stain blue (non-SLNs [NSLNs]). RESULTS: Differentiated thyroid carcinoma was found in 75 of 98 patients (77%). Seventy of 75 patients with differentiated thyroid carcinoma presented with SLNs and/or NSLNs within the central compartment. Fifteen of 70 patients had metastasis-positive SLNs, while 55 had metastasis-negative SLNs. Six of 15 patients with positive SLNs also had positive NSLNs. No patients with negative SLNs were found to have positive NSLNs. Sentinal lymph node status was a highly significant predictor of NSLN result (Fisher exact test, P < .001). The accuracy, sensitivity, specificity, and positive and negative predictive values of SLN biopsy were 87%, 100%, 86%, 40%, and 100%, respectively. CONCLUSIONS: To our knowledge, this is the largest series of SLN biopsy in patients with differentiated thyroid carcinoma. Our experience suggests that this is an accurate and noninvasive means to identify subclinical lymph node metastasis. Because negative SLNs correlate strongly with a negative central compartment (100% in this study, P < .001), this technique can be used as an intraoperative guide when determining the extent of surgery necessary in cervical level VI.
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) | 0,001 | 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 ».