The Impact of Preoperative Endoscopic Ultrasound on the Surgical Management of Pancreatic Neuroendocrine Tumours
Notice bibliographique
Résumé
BACKGROUND: Endoscopic ultrasound (EUS) is accurate in diagnosing pancreatic neuroendocrine tumours (PNETs), but its impact on surgical management is unclear. OBJECTIVE: To determine whether preoperative EUS findings altered the decision for, and extent of, surgery in patients with PNETs. METHODS: A retrospective review of patients referred for EUS because of suspected PNETs was conducted. The diagnosis of PNETs was confirmed by EUS-guided fine needle aspiration cytology, where indicated, or by surgical histology. EUS findings were compared with computed tomography (CT) findings to determine whether there was an impact on the decision for surgical management. RESULTS: Fourteen patients (10 women), with a mean age of 44 years, underwent EUS for suspected PNETs. PNETs were seen with CT in 10 of 13 patients (77%) and with EUS in 14 of 14 patients (100%). One obese patient could not fit into the CT scanner. This patient had five PNETs on EUS. Three patients with a normal CT scan were determined to have one or two PNETs on EUS. Three patients with one or two PNETs on CT were found to have five to eight PNETs on EUS. EUS altered the decision for possible surgical management in five of 14 patients (36%), either by identifying a PNET or by finding multiple and multifocal PNETs that were not visualized on CT scans. CONCLUSION: EUS is useful in the preoperative assessment of PNETs by providing information that significantly influences the decision for surgical intervention or changes the extent of the planned surgery.
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 | 0,002 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».