Predicting malignancy of thyroid nodule using EU-TIRADS ultrasound score in an area of iodine deficiency
Notice bibliographique
Résumé
Background: In iodine-deficient region, thyroid nodules (TN) are more frequent and the proportion of benign nodules is higher compared to areas with sufficient iodine intake. Objective The aim of this study was to assess factors associated to malignant TN specially the Eu-TIRADS ultrasound score in a Moroccan population with high prevalence of iodine deficiency. Methods: In a prospective cross-sectional study, we enrolled outpatients referred for TN with Fine Needle Aspiration Biopsy (FNAB) indication according to EU-TIRADS 2017 classification. Malignancy of TN was defined by histological results indicating a thyroid malignancy on thyroid micro-biopsy or after surgical resection if indicated. Results: 225 TN were enrolled. The median of the patients’ age was 54 (42.5 ; 62) years-old. The prevalence of malignant TN was 8.9%. Malignant TN were significantly smaller than non-malignant ones (p = 0.008) and sub-centimetric TN were more frequent in malignant TN (25% vs 1.5%; p < 0.001). On multivariate analysis, male gender (OR : 9.33 ; 95% CI [2.02 ; 43.01]; p = 0,004) and EU-TIRADS 5 score (OR : 55.6 ; 95% CI [9.34 ; 327.91] ; p < 0.001) were independent factors associated with malignant TN. The EU-TIRADS 4 score was not associated to malignant TN. Conclusion Our data suggest a trend of over-diagnosing indolent thyroid cancer. The EU-TIRADS 4 score was not associated to TN malignancy. Considering clinical, accessory sonographic features and size threshold for FNAB in EU-TIRADS 4 score TN may refine the diagnosis performance of this score category in our population.
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) | 0,001 | 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 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 ».