The Management and Outcomes of Patients with Extra-Pulmonary Neuroendocrine Neoplasms and Brain Metastases
Notice bibliographique
Résumé
Background: Brain metastases (BMs) in patients with extra-pulmonary neuroendocrine neoplasms (EP–NENs) are rare, and limited clinical information is available. The aim of this study was to detail the clinicopathological features, management and outcomes in patients with EP–NENs who developed BMs. Methods: A retrospective single-centre analysis of consecutive patients with EP–NENs (August 2004–February 2020) was conducted. Median overall survival (OS)/survival from BMs diagnosis was estimated (Kaplan–Meier). Results: Of 730 patients, 17 (1.9%) had BMs, median age 61 years (range 15–77); 8 (53%) male, unknown primary NEN site: 40%. Patients with BMs had grade 3 (G3) EP–NENs 11 (73%), G2: 3 (20%), G1: 1 (7%). Eight (53%) had poorly differentiated NENs, 6 were well-differentiated and 1 was not recorded. Additionally, 2 (13%) patients had synchronous BMs at diagnosis, whilst 13 (87%) developed BMs metachronously. The relative risk of developing BMs was 7.48 in patients with G3 disease vs. G1 + G2 disease (p = 0.0001). Median time to the development of BMs after NEN diagnosis: 15.9 months (range 2.5–139.5). Five patients had a solitary BM, 12 had multiple BMs. Treatment of BMs were surgery (n = 3); radiotherapy (n = 5); 4: whole brain radiotherapy, 1: conformal radiotherapy (orbit). Nine (53%) had best supportive care. Median OS from NEN diagnosis was 23.6 months [95% CI 15.2–31.3]; median time to death from BMs diagnosis was 3.0 months [95% CI 0.0–8.3]. Conclusion: BMs in patients with EP–NENs are rare and of increased risk in G3 vs. G1 + G2 EP–NENs. Survival outcomes are poor, and a greater understanding is needed to improve therapeutic outcomes.
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) | 0,000 | 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 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 ».