Correlation of triple diagnostic (clinical, thyroid ultrasound, and FNAB) with histopathology in thyroid cancer patient
Notice bibliographique
Résumé
Background: A thyroid nodule is a thyroid gland lesion that can be benign or malignant. The diagnosis was made based on clinical, radiological, and pathological findings, including McGill Thyroid Nodule Score (MTNS) for risk estimation, ultrasound using TIRADS criteria, and also fine needle aspiration biopsy (FNAB), which detected malignancy. However, the accuracy varied. The combination of these 3 diagnostic methods provides a better accuracy. This study aims to determine the correlation of triple diagnostics with histopathology in thyroid cancer patients. Method: This is a retrospective observational analytical study of thyroid nodule patients in Ulin Hospital from 2018 to 2022. Inclusion criteria in this study include patients with complete triple diagnostic data (clinical symptom, USG thyroid, and FNAB). Patients with incomplete data were excluded. Variables collected included demography, histopathology, symptom, ultrasonography (USG), and FNAB results. Data was analyzed with SPSS software using Spearman correlation and logistic regression tests. Results: A positive and statistically significant correlation between thyroid cancer with MTNS (r = 0.352, p = 0.002) and Bathesda (r = 0.240, p = 0.034) was discovered. A positive correlation was also found between TIRADS and thyroid cancer (r = 0.158) but not statistically significant (p>0,05). The combination of MTNS, TIRADS, and FNAB produced a strong positive and significant correlation (r = 0.510, p = 0.008) with thyroid cancer. Conclusion: MTNS and Bathesda categorization significantly correlated with thyroid cancer histopathology, while the TIRADS category presented a meaningless relationship. Triple diagnostics revealed a stronger and more significant correlation with histopathology in thyroid cancer patients.
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 | 0,006 |
| 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 | 0,002 |
| 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 ».