Factores que influyen y modelo de predicción de ganglios linfáticos centrales falsos negativos en pacientes con cáncer de tiroides

Ámbito y población Este estudio recopiló 6369 pacientes ingresadas en el Departamento de Cirugía de Mama y Tiroides del Hospital Provincial de Shandong entre enero de 2013 y diciembre de 2023, a quienes se les diagnosticó CT mediante patología posoperatoria. (SDC, Figura 1) Todos los pacientes incluidos en el estudio firmaron un formulario de consentimiento informado por escrito antes de la cirugía. La aprobación ética para este estudio (NO.SWYX2024-225) fue otorgada por el Comité de Ética del Hospital Provincial de Shandong, Jinan, China, el 15 de abril de 2024. Según la literatura relevante, los criterios para identificar NL cervical anormal mediante ecografía son: desaparición de la estructura del hilio de LN o anomalías en la piel y la médula, NL que se vuelve redondo o tiene una relación de aspecto aumentada, microcalcificaciones en el LN, cambios quísticos presentes en LN y señales de flujo sanguíneo anormales en LN.17 Los criterios de inclusión y exclusión son: todos los casos son casos de CT de nuevo diagnóstico; todos los casos se sometieron a exámenes preoperatorios de tiroides y cuello NL por parte del Departamento de Ultrasonido del Hospital Provincial de Shandong; todos los casos fueron sometidos a cirugía de tiroides por primera vez; todos los casos fueron diagnosticados de CT mediante examen patológico postoperatorio; excluyendo casos de otros tumores combinados o enfermedades mayores. Este estudio utilizó los resultados de patología posoperatoria con parafina como estándar de oro para las pruebas de diagnóstico. Todos los exámenes de ultrasonido fueron realizados por dos médicos de ultrasonido. Cuando dos médicos de ultrasonido tenían opiniones diferentes, se solicitó a un tercer médico de ultrasonido senior que ayudara en la evaluación.

Recopilación de datos Después de obtener el consentimiento por escrito, registramos la información relevante del paciente en detalle y realizamos un seguimiento de los resultados de patología posoperatoria con parafina del paciente. Los elementos recopilados y organizados incluyeron: 1) sexo, edad e historial médico; 2) información ecográfica preoperatoria; 3) información preoperatoria de biopsia con aguja fina; 4) información quirúrgica; 5) información patológica postoperatoria; y 6) información inmunohistoquímica.

Análisis estadístico Este estudio analizó primero los datos iniciales de los pacientes incluidos y obtuvo datos descriptivos sobre el estado actual de los pacientes con CT. (Tabla 1) Este estudio también analizó la eficacia de la ecografía y la aspiración con aguja fina (PAAF) para la evaluación de la NL cervical. (Tabla 2) Posteriormente, se realizó un análisis de 52 factores que pueden causar CLN falso negativo de TC. (Tabla 3) Se identificaron un total de 16 factores de influencia estadísticamente significativos. (Tabla 4) Para construir un modelo predictivo para la aparición de CLN falso negativo de la glándula tiroides, seleccionamos cinco factores de influencia preoperatorios con importancia predictiva de ocho factores de influencia preoperatorios y dibujamos un gráfico forestal para la visualización de datos y la predicción de resultados.

Este estudio fue analizado utilizando el software IBM SPSS 29.0. Los datos cuantitativos se representan mediante media ± desviación estándar cuando siguen una distribución normal y homogeneidad de varianza, y se utiliza una prueba t de muestra independiente para comparar entre los dos grupos; la mediana (P25, P75) se utiliza para representar distribuciones no normales y se utiliza una prueba no paramétrica de Mann-Whitney para comparar entre los dos grupos. Los datos cualitativos se expresaron como porcentajes (%) y las comparaciones entre grupos se realizaron mediante la prueba de chi-cuadrado o exacta de Fisher. Las variables con significación estadística en el análisis univariante y aquellas que profesionalmente se consideran que tienen un impacto en el resultado se incluyeron en el modelo de regresión logística para explorar los factores independientes que influyen en el resultado. El nivel de prueba P se fijó en 0,05. Se dibujó un mapa forestal utilizando el software Graphpad Prism 10.12, y un gráfico de columnas y un análisis de credibilidad se dibujaron utilizando el software R Studio 4.3.