Cancer Risk in Thyroid Nodules: An Analysis of Over 1000 Consecutive FNA Biopsies Performed in a Single Canadian Institution
Notice bibliographique
Résumé
Objective: To determine the cancer risk in thyroid nodules using ACR TI-RADS. Methods: A retrospective analysis of all thyroid biopsies was performed over a 3-year period (2021 to 2023). Variables including gender, age, history of thyroid cancer or neck irradiation, nodule size and location, TR level, and sonographic features such as punctate echogenic foci (PEF), a very hypoechoic appearance, taller-than-wide shape, and suspected extrathyroidal extension were analyzed. Results: A total of 1140 nodules were assessed in 993 patients, including 740 females (74.5%) and 253 males (25.5%). The mean patient age was 57.1 ± 15.4 years. Variables significantly associated with nodule malignancy included (1) younger age, (2) a prior history of thyroid cancer or neck irradiation, (3) a higher TR level, (4) a taller-than-wide shape in nodules <1 cm, (5) PEF, (6) a very hypoechoic appearance, and (5) suspected extrathyroidal extension (p < 0.05). Gender, nodule location and size were not associated with a higher cancer risk (p > 0.05). Malignancy was found in 40.7% of TR5, 4.8% of TR4, 0.3% of TR3, and 0% of TR1 and 2 nodules. The odds ratios (ORs) for cancer were as follows: TR4 or 5, OR = 19; PEF, OR = 11; a very hypoechoic appearance, OR = 13.3; and suspected extrathyroidal extension, OR = 27.2 (p < 0.01). Conclusions: Higher TR levels, PEF, a very hypoechoic appearance, and suspected extrathyroidal extension are important features for predicting cancer risk. These findings affirm the effectiveness of ACR TI-RADS in nodule risk stratification.
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 | 0,001 | 0,002 |
| 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 ».