Association between surveillance imaging and survival outcomes in small bowel neuroendocrine tumors
Notice bibliographique
Résumé
BACKGROUND: Surveillance guidelines following the resection of small bowel neuroendocrine tumors (SB-NETs) are inconsistent. We evaluated the impact of surveillance imaging on SB-NET recurrence and overall survival (OS). METHODS: Patients with completely resected SB-NETs referred to a provincial cancer center (2004-2015) were reviewed. Associations between imaging frequency, recurrence, post-recurrence treatment, and OS were determined using univariate and Cox-regression analyses. RESULTS: Among 195 completely resected SB-NET patients, 31% were ≥70 years, 43% were female, and 80% had grade 1 disease. Imaging frequency was predictive of recurrence (hazard ratio 2.52, 95% confidence interval 1.84-3.46, p < 0.001). 72% underwent interventions for recurrent disease. Patients who were treated for the recurrent disease had comparable OS to those who did not recur (median 152 vs. 164 months; p = 0.25). Imaging frequency was not associated with OS in those with treated recurrent disease (p = 0.65). Patients who recurred underwent more computerized tomography (CT) scans than those who did not recur (CT: 1.47 ± 0.89 vs. 1.02 ± 0.81 scans/year, p < 0.001). Detection of disease recurrence was 5%-7% per year during the first 6 years of surveillance and peaked at 17% in Year 9. CONCLUSION: Less frequent imaging over a longer duration should be emphasized to capture clinically relevant recurrences that can be treated to improve OS.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».