Advanced Typical and Atypical Carcinoid Tumours of the Lung: Management Recommendations
Notice bibliographique
Résumé
Background: Neuroendocrine tumours (nets) are classified by site of origin, with lung being the second most common primary site after the gastrointestinal tract. Lung nets are rare and heterogeneous, with varied pathologic and clinical features. Typical and atypical carcinoid tumours are low-grade lung nets which, compared with the more common high-grade nets, are associated with a more favourable prognosis. Still, optimal treatment strategies are lacking. Methods: This review concentrates on classification and treatment strategies for metastatic low-grade lung nets, considering both typical and atypical carcinoids. The terminology can be confusing, and an attempt is made to simplify it. Promising results from recent trials that included lung nets are presented and discussed. Finally, guidelines from Europe and North America are discussed, and differences are noted. Results: Even within the group of patients with low-grade nets, the presentation, the locations of metastasis, and the speed of progression can be very different. The initial work-up and an understanding of the tumour's biology are key in making management decisions. Various treatment options-including somatostatin analogs, peptide receptor radioligand therapy, and biologic systemic therapy, specifically with the mtor (mechanistic target of rapamycin) inhibitor everolimus-are now available and are presented in a treatment algorithm. Summary: Although lung nets are rare and evidence supporting optimal treatment strategies is lacking, the recent publication of trials that have included patients with lung nets advances evidence-based therapy for these tumours. Many variables have to be considered in managing these tumours that have received little attention. Education for treating physicians is needed.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».