Comparison of Diagnostic Yield and Performance of Franseen Tip Needle Versus Non-Franseen Tip Needle in Patients Undergoing Endobronchial Ultrasound‑Guided Transbronchial Needle Sampling for Undiagnosed Mediastinal Lymphadenopathy
Notice bibliographique
Résumé
BACKGROUND: Endobronchial ultrasound-guided transbronchial needle aspiration (EBUS-TBNA) is now the standard for diagnosing mediastinal lymphadenopathy. Franseen tip fine-needle biopsy (FNB) needles have been proposed to improve diagnostic yield, but comparative evidence remains limited. METHODS: A systematic literature search was conducted in PubMed, Scopus, and Google Scholar until October 10, 2024. Studies were included based on the PICO framework, focusing on adults undergoing EBUS transbronchial needle sampling for mediastinal lymphadenopathy. Data extraction included study characteristics, participant demographics, and diagnostic yield outcomes. Study quality was assessed using the Newcastle-Ottawa Scale. The pooled odds ratio (OR) with 95% CI was calculated using MetaXL software, and heterogeneity was assessed with the I² statistic. The review protocol was registered with PROSPERO (CRD42024559634). RESULTS: Of 3343 screened articles, 6 studies involving 646 patients met the inclusion criteria. The pooled diagnostic yield was 82.5% (346 out of 405) with the Franseen needle versus 75.9% (245 out of 323) with the non-Franseen needle. The pooled OR for diagnostic yield (DY) with FNB needle was 1.64 (95% CI: 1.11-2.43), indicating a statistically significant advantage over non-Franseen needles. The increase in DY with FNB needle is seen in benign diseases (83.3% vs. 71.1%), but not in malignant diseases (92.5% vs. 80.4%). Core tissue acquisition rate, and sample adequacy for molecular analysis and PD-L1 testing were similar between the Franseen needle and conventional TBNA needles. No significant complications were reported with the use of FNB needles. CONCLUSION: Franseen tipped FNB needles offer a superior diagnostic yield compared with non-Franseen needles in benign diseases. Larger randomized trials are needed to reconfirm these findings.
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 | 0,023 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,019 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».