Targeted Therapies Provide Treatment Options for Poorly Differentiated Pancreatic Neuroendocrine Carcinomas
Notice bibliographique
Résumé
Poorly differentiated pancreatic neuroendocrine carcinoma (PD pNECs) is a rare disease that has a poor prognosis and is treated with systemic chemotherapy as the standard of care. We present 6 cases of chemo-naïve patients diagnosed with PD pNECs who refused systemic chemotherapy and received targeted therapies with sunitinib (37.5 mg/day, 5 patients) or the mammalian target of rapamycin (mTOR) inhibitor everolimus (10 mg/day, 1 patient) as the first-line treatment. We evaluated the drugs' toxicities and survival. The median age of the patients was 55 years (4 males, 2 females, functioning tumor in 1 of 6 patients). The median of the Ki67 index was 45% (range 20-80). Targeted therapies were combined with somatostatin analogues in 4 of 6 patients (30 mg Sandostatine LAR monthly). Toxicities (acute and late) were manageable and no toxicities necessitated cessation of treatment. All patients had progression-free survival during the 15-month treatment and an overall survival of more than 2 years after diagnosis. Even though this is a small cohort of selected patients, we conclude that sunitinib or everolimus are both feasible and safe and have encouraging results of efficacy as first-line therapies for PD pNEC.
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 | 0,000 | 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) | 0,003 | 0,001 |
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 ».