Expert Consensus Practice Recommendations of the North American Neuroendocrine Tumor Society for the management of high grade gastroenteropancreatic and gynecologic neuroendocrine neoplasms
Notice bibliographique
Résumé
High-grade neuroendocrine neoplasms are a rare disease entity and account for approximately 10% of all neuroendocrine neoplasms. Because of their rarity, there is an overall lack of prospectively collected data available to advise practitioners as to how best to manage these patients. As a result, best practices are largely based on expert opinion. Recently, a distinction was made between well-differentiated high-grade (G3) neuroendocrine tumors and poorly differentiated neuroendocrine carcinomas, and with this, pathologic details, appropriate imaging practices and treatment have become more complex. In an effort to provide practitioners with the best guidance for the management of patients with high-grade neuroendocrine neoplasms of the gastrointestinal tract, pancreas, and gynecologic system, the North American Neuroendocrine Tumor Society convened a panel of experts to develop a set of recommendations and a treatment algorithm that may be used by practitioners for the care of these patients. Here, we provide consensus recommendations from the panel on pathology, imaging practices, management of localized disease, management of metastatic disease and surveillance and draw key distinctions as to the approach that should be utilized in patients with well-differentiated G3 neuroendocrine tumors vs poorly differentiated neuroendocrine carcinomas.
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 | 0,046 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,014 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,008 |
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 ».