Pancreatic polypeptide secreting tumors – an ins- titutional experience and review of the literature
Notice bibliographique
Résumé
Objectives: We present a retrospective analysis of patients with pancreatic neuroendocrine tumors (PNETs) who have had Pancreatic Polypeptide testing in an attempt to better define Pancreatic Polypeptide producing tumors as an entity and the role of Pancreatic Polypeptide (PP) as a biomarker. To our knowledge, this is the first single center comprehensive review of Pancreatic Polypeptide producing tumors. Methods: A retrospective study of patients with pancreatic neuroendocrine tumors seen at our institution from 1980 to 2011. All patients that have had PP concentrations measured at least once were evaluated. Data relating to diagnosis, pathology, surgery, liver directed therapies, chemotherapy and survival outcome were noted. Results: 71 patients with PNETs fulfilled the inclusion criteria (8 PPomas, 22 PP producing tumors and 41 non -PP producing tumors). We identified a trend towards better survival for patients with PP producing tumors vs. non- PP producing tumors ( p =0.19). There was no correlation between survival and a diagnosis of PPoma in relation to other PP producing tumors or non-PP producing tumors. There was a borderline significant positive correlation of PP in association with Chromogranin A in a postoperative setting ( p =0.061). Conclusions: Pancreatic Polypeptide is a biomarker that is worth prospective investigation and a standardized assay. Our analysis investigating Pancreatic Polypeptide as a prognostic and or predictive biomarker reveals a trend towards showing these characteristics. Using a standardized test and investigating this biomarker prospectively could lead to the validation of Pancreatic Polypeptide as a biomarker.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».