Loco-regional outcomes of a population-based cohort of rectal neuroendocrine tumors.
Notice bibliographique
Résumé
668 Background: Optimal management of rectal neuroendocrine tumors (NETs) is not well defined. We characterized the clinicopathologic features, loco-regional, and systemic management of a population-based cohort of rectal NETs. Methods: Patients diagnosed with rectal NETs from 1999-2011 were identified from British Columbia provincial databases. NETs were classified as G1 and G2 tumors with a Ki-67 ≤ 20% and/or mitotic count ≤ 20 per high power field. Results: Of 91 rectal NETs, median age was 58 (IQR 48-65) years and 35 (38%) were male. Median tumor size was 6 (IQR 4-8) mm. Median overall survival was 164.7 months, with 3 patients presenting with stage IV disease. Treatment included local excision (n = 79), surgical resection (n = 6), and pelvic radiation (n = 1; T3N1 tumor). Final margin status was positive in 17 (20%) cases. Local relapse occurred in 8 (9%) cases, and one relapse to bone 13 months after T3N1 tumor resection. Univariate analysis demonstrated an association between local relapse and T classification, Ki-67, mitotic count, grade, and perineural invasion (p< 0.01), but not N or M classification, or lymphovascular invasion. Local relapse was not associated with surgical management or margin status. Of 3 patients with metastatic disease, two received systemic management, with capecitabine and temozolomide. Conclusions: Rectal NETs generally presented with small, early tumors and were treated with local excision or surgical resection without pelvic radiation. [Table: see text]
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».