Neonatal Cancer Epidemiology and Outcome: A Retrospective Study
Notice bibliographique
Résumé
OBJECTIVE: Our study aimed at describing neonatal cancer incidence, distribution by type, location, outcome, and long-term toxicity, by comparison with tumors occurring later in infancy. METHODS: The authors led a single-center retrospective analysis of 118 cases of tumors diagnosed in the first year of life and compared tumors' types incidence, presentation, location, and outcome according to age group at diagnosis (below or over 28 d of life). RESULTS: The most frequent neonatal tumor types in our series were germ cell tumors, mainly teratoma, followed by neuroblastoma and renal tumors, whereas in children below 1 year of age, brain tumors, neuroblastoma, and leukemia were the most common types. Genetic predisposition syndromes were present in 14% of these infants and antenatal sonography enabled 68% of diagnosis for tumors presenting at birth. Other patients presented with mass syndrome, hydrops, or skin lesions. Six percent of neonates with cancer died from their malignancies, and up to 18% experienced a chronic health condition as a consequence of therapy. CONCLUSIONS: Tumor pattern differs in neonates and infants, with a higher percentage of benign tumors in children below 28 days of life. Yet, long-term therapy-related toxicity is significant in younger patients. Enhancing knowledge of neonatal tumors, their epidemiology, clinical presentation, genetic background, and prognosis should help promote better management and introduce follow-up programs to improve surviving rates and the quality of life of survivors.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».