A common classification framework for neuroendocrine neoplasms: an International Agency for Research on Cancer (IARC) and World Health Organization (WHO) expert consensus proposal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The classification of neuroendocrine neoplasms (NENs) differs between organ systems and currently causes considerable confusion. A uniform classification framework for NENs at any anatomical location may reduce inconsistencies and contradictions among the various systems currently in use. The classification suggested here is intended to allow pathologists and clinicians to manage their patients with NENs consistently, while acknowledging organ-specific differences in classification criteria, tumor biology, and prognostic factors. The classification suggested is based on a consensus conference held at the International Agency for Research on Cancer (IARC) in November 2017 and subsequent discussion with additional experts. The key feature of the new classification is a distinction between differentiated neuroendocrine tumors (NETs), also designated carcinoid tumors in some systems, and poorly differentiated NECs, as they both share common expression of neuroendocrine markers. This dichotomous morphological subdivision into NETs and NECs is supported by genetic evidence at specific anatomic sites as well as clinical, epidemiologic, histologic, and prognostic differences. In many organ systems, NETs are graded as G1, G2, or G3 based on mitotic count and/or Ki-67 labeling index, and/or the presence of necrosis; NECs are considered high grade by definition. We believe this conceptual approach can form the basis for the next generation of NEN classifications and will allow more consistent taxonomy to understand how neoplasms from different organ systems inter-relate clinically and genetically.
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.
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 | 0,002 |
| 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) | 0,000 | 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 découle