Pathological Features Frequently Found in Recurrent Papillary Thyroid Cancer
Notice bibliographique
Résumé
Objectives: Despite the rising prevalence of malignant papillary thyroid carcinoma, locoregional recurrence remains low. Clinico‐pathological features associated with recurrence are not well defined. The objective of this study is to describe and evaluate the various pathological features found in patients with recurrent papillary thyroid carcinoma. Methods: A retrospective review was conducted identifying patients who were found to have recurrent papillary thyroid carcinoma between July 2006 and May 2013 at the McGill University Thyroid Cancer Centre. Results: There was a total of 552 patients with malignant papillary thyroid carcinoma. Over the study period, recurrent disease occurred in 2.0% of patients (n = 11), of whom 10 were pT3N1b and 1 was a pT4aN1. When these patients were compared with the 541 patients who did not have recurrence of their disease, there were significant differences for sex (P =. 0271), size of primary tumor (P =. 0355), positive margins (=0 0002), lymphovascular invasion (P <. 0001), extrathyroidal extension (P =. 0001), lymph node metastasis (P <. 0001), and extra‐nodal extension (P <. 0001). There was no significant difference for age, presence of multifocal disease, and perineural invasion. On regression analysis, positive margins, lymphovascular invasion, regional lymph node metastasis, and extra‐nodal extension were found to be independent predictors of recurrence (P =. 0011, P =. 0248, P =. 0146, and P =. 0007, respectively). Conclusions: In patients with papillary thyroid cancer, sex, tumor size, and extra‐thyroidal extension are features frequently found in patients with recurrence. However, positive surgical margins, lymphovascular invasion, lymph node metastasis, and extra‐nodal extension were found to be independent predictors of recurrence in this study.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».