Patterns of Recurrence after Resection for Pancreatic Neuroendocrine Tumors: Who, When, and Where?
Notice bibliographique
Résumé
BACKGROUND/AIMS: Pancreatic neuroendocrine tumors (pan-NENs) represent an increasingly common indication for pancreatic resection, but there are few data regarding possible recurrence after surgery. The aim of the study was to describe the frequency, timing, and patterns of recurrence after resection for pan-NENs with consequent implications for postoperative follow-up. METHODS: We performed a retrospective analysis of pan-NENs resected between 1990 and 2015 at The Pancreas Institute, University of Verona Hospital Trust. Predictors of recurrence were assessed. Survival analysis was conducted using the Kaplan-Meier and conditional survival (CS) methods. RESULTS: The cohort consisted of 487 patients with a median follow-up of 71 months. Recurrence developed in 12.3%: 54 (11.1%) liver metastases, 11 (2.3%) local recurrence, 10 (2.1%) nodal recurrence, and 8 (1.6%) metastases in other organs. Thirty-one (6.4%) died due to disease recurrence. Size > 21 mm, G3 grade, nodal metastasis, and vascular infiltration were independent predictors of overall recurrence. Recurrence occurred either during the first year of follow-up (n = 9), or after 10 years (n = 4). CS analysis revealed that nonfunctioning G1 pan-NEN ≤20 mm without nodal metastasis or vascular invasion had a negligible risk of developing recurrence. In the present series, after 5 years of follow-up without developing recurrence, tumor recurrence occurred only in the form of liver metastases. CONCLUSIONS: Recurrence of pan-NENs is rare and is predicted by tumor size, nodal metastasis, grading, and vascular invasion. Patients with G1 pan-NEN without nodal metastasis and vascular invasion may be considered cured by surgery. After 5 years without recurrence, follow-up should focus on excluding the development of liver metastases.
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 | 0,001 |
| 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 ».