Patterns of Lateral Lymph Node Involvement by Neck Level in cNIb Differentiated Thyroid Carcinoma: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background/Objectives: The optimal extent of lateral lymph node dissection in cN1b differentiated thyroid cancer remains controversial. This systematic review aimed to assess the frequency of lymph node involvement across neck levels I to V. Materials and Methods: A systematic review was conducted following PRISMA guidelines. PubMed was searched for studies on lateral neck dissection in differentiated thyroid cancer. Included studies reported level-specified metastatic rates. Data on patient numbers and metastatic events were extracted. A random-effects meta-analysis with Freeman–Tukey double arcsine transformation was performed for each neck level to calculate pooled prevalence proportions and 95% confidence intervals. Heterogeneity was assessed using the I2 statistic. Results: Meta-analysis of 57 studies revealed that level III (68%, 95% CI: 63–73) and level IV (66%, 95% CI: 61–70) had the highest metastatic prevalence, followed by level IIA (46%, 95% CI: 37–56). Level V demonstrated an overall prevalence of 22% (95% CI: 18–26), with sublevel VB (19%, 95% CI: 11–28) significantly higher than VA (4%, 95% CI: 1–9). Level I (6%, 95% CI: 2–11) and sublevel IIB (14%, 95% CI: 9–20) showed the lowest risk. Significant heterogeneity (I2 71–94%) was observed across all levels. Conclusions: Our findings support sparing level I, and sublevels IIB and VA during lateral neck dissection. Current guidelines recommend systematic dissection of IIA, III, IV, and VB, although VB involvement was found to be only 19% in our study. Future personalization of the extent of neck dissection, based on individual risk factors, may be key to optimizing oncologic and functional outcomes.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».