Updates on the diagnosis and treatment of intracranial nerve malignant peripheral nerve sheath tumors
Notice bibliographique
Résumé
BACKGROUND: Malignant peripheral nerve sheath tumors (MPNSTs) are rare entities and MPNSTs of intracranial nerves are even more sporadic. MPNSTs present diagnosis and treatment challenges since there are no defined diagnosis criteria and no established therapeutic strategies. METHODS: We reviewed literature for MPNST-related articles. We found 45 relevant studies in which 60 cases were described. RESULTS: We identified 60 cases of intracranial nerve MPNSTs. The age ranged from 3 to 75 years old. Male to female ratio was 1.5:1. The most involved cranial nerves (CNs) were CN VIII (60%), CN V (27%), and CN VII (10%). Most of the MPNSTs reported (47%) arose sporadically, 40% arose from a schwannoma, 8% arose from a neurofibroma, and 6% arose from an unspecified nerve tumor. Twenty patients had a history of radiation exposure, four patients had neurofibromatosis type 1 (NF1), four patients had neurofibromatosis type 2 (NF2), and NF2 was suspected in two other patients. Twenty-two patients were treated with radiotherapy and presented a higher survival rate. Seventy-two percent of patients died of their disease while 28% of patients survived. One-year survival rate was 33%. Forty-five percent of tumors recurred and 19% of patients had metastases. CONCLUSION: MPNSTs involving CNs are very rare. Diagnosis is made in regards to the histological and pathological findings. Imaging may help orient the diagnosis. A preexisting knowledge of the clinical situation is more likely to lead to a correct diagnosis. The mainstay of treatment is radical surgical resection with adjuvant radiotherapy. Since these tumors are associated with a poor prognosis, a close follow-up is mandatory.
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) | 0,000 | 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 | 0,000 |
| 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 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 ».