Comparison of diagnostic yield of core-needle and fine-needle aspiration biopsies of thyroid lesions: Systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVES: Thyroid nodular disease is one of the most commonly observed medical conditions. Cytological evaluation of the specimens obtained with fine-needle aspiration biopsy (FNAB) is the most accurate tool for selecting nodules which should be further surgically removed. A major limitation of this method is the high occurrence of non-diagnostic results. This indicates the need for improvement of the thyroid biopsy technique. The aim of this meta-analysis was to compare the diagnostic value of thyroid core-needle biopsies (CNBs) and FNABs. MATERIALS AND METHODS: PubMed/MEDLINE, Cochrane Library, Scopus, Cinahl, Academic Search Complete, Web of Knowledge, PubMed Central, PubMed Central Canada and Clinical Key databases were searched. Risk ratios (RRs) of non-diagnostic results were meta-analysed using the random-effects model. RESULTS: Eleven studies were included in the quantitative analysis. CNB yielded significantly more diagnostic results - the pooled risk ratio (RR) of gaining a non-diagnostic result was 0.27 (p<0.0001). For lesions with one previous non-diagnostic FNAB, RR was 0.22 (p<0.0001). CONCLUSIONS: CNB seems to be a valuable diagnostic technique yielding a higher proportion of diagnostic results than conventional FNAB. It is also significantly more effective in case of nodules with a prior non-diagnostic result of FNAB results than repeated FNABs. KEY POINTS: • Core-needle biopsy yields a higher proportion of diagnostic results than fine-needle biopsy. • Core-needle biopsies may decrease the amount of unnecessary thyroidectomies. • Probability of gaining non-diagnostic result using core-needle biopsy is almost four times lower.
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) | 0,011 | 0,001 |
| 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 ».