Comparison of ACR-TIRADS to the ATA Guidelines for Thyroid Nodules: A Neck to Neck Comparison
Notice bibliographique
Résumé
Introduction: The goal of this study was to compare the performance characteristics of the American College of Radiology Thyroid Imaging Reporting and Data System (ACR-TIRADS) and the American Thyroid Association (ATA) systems in identifying malignant thyroid nodules. Methods: In a retrospective chart review, ultrasound images of all thyroid nodules biopsied in 2014- 2015 at a Canadian academic centre were reviewed by two radiologists. The ultrasound characteristics of thyroid nodules were compared with cytologic or pathologic results to determine the positive predictive value (PPV), negative predictive value (NPV), sensitivity and specificity for TIRADS and ATA in predicting cancer risk. Clinical course of nodules not requiring follow up or intervention according to ACR-TIRADS was described. Vascularity was added to ACR-TIRADS to determine whether sensitivity of TIRADS improves. Results: A total of 417 thyroid nodules were reviewed, 82% were benign (Bethesda II). The sensitivity, specificity, PPV, and NPV were 97%, 11%, 9%, 98%, and 70%, 29%, 18%, and 81% for ATA and TIRADS, respectively. Of the 10 nodules that did not need ultrasound follow up based on TIRADS criteria, 2 were malignant, the rest were FLUS. If vascularity was added to TIRADS (TIRADS-Vasc), the number of malignant cases missed could have been reduced by 43% (from 7 to 4 cases). Conclusions: TIRADS is more specific but less sensitive than ATA, and misses a small number of malignant nodules. Clinicians need to use their judgement to decide which nodules require biopsy as some malignant cases will be missed using TIRADS alone.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».