Management and Outcomes of Hospitalized Patients With Primary Neuroendocrine Tumor and Non-Neuroendocrine Tumor Appendiceal Cancers in the United States
Notice bibliographique
Résumé
BACKGROUND: The incidence of appendiceal cancers continues to rise at a very rapid pace. Although surgery has a central role in the management of appendiceal tumors, literature is lacking regarding the pattern and predictors of surgical treatment for patients with appendiceal cancers. We aimed to describe the surgical treatment for patients with appendiceal cancers, with emphasis on utilization based on histology. METHODS: Hospitalized patients with appendiceal cancer in the US between 2006 and 2010 were included in the study. The Nationwide Inpatient Sample database maintained by the Agency for Health Care Research and Quality was employed for univariate and multivariate testing to identify factors significantly associated with patient outcome. RESULTS: A total of 3,799 patient discharges were identified over the 5-year period covered by the study. Neuroendocrine tumor (NET) was the diagnosis in 291 (7.66%) patients and non-NET in 3,508 (92.34%) patients. The mean age was 56.8 years (± SD 14.6), with female predominance (54.73% vs. 45.27%). NET patients were younger than those with non-NET (50.7 vs. 57.4 years; P < 0.001). NET patients were more commonly treated with appendectomy compared to non-NET (OR: 1.59; 95% CI: 1.23 - 2.07; P < 0.001). Hyperthermic intraperitoneal chemotherapy (HIPEC) was used in 8.5% of all the cases, mostly in non-NET histology (91% vs. 8%). Majority of the patients treated with HIPEC had no co-morbid medical illness (60%), and received care at high volume hospitals located in urban areas. There was a very low incidence of in-hospital mortality (2.5%). CONCLUSIONS: The described surgical utilization pattern should prompt more research focusing on barriers to appropriate surgical debulking and HIPEC utilization in non-NET appendiceal cancers.
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) | 0,001 | 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) | 0,000 | 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 ».