The Role of Positron Emission Tomography for the Management of Sinonasal Malignancies: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Positron emission tomography (PET) scan is a valuable imaging modality widely used in the management of cancers. Its usage is well defined for most head and neck malignancies. However, there is a lack of consensus regarding the utility of PET scan for sinonasal malignancies. This is highlighted by the latest international consensus statement on endoscopic skull base surgery. OBJECTIVE: This systematic review aims to clarify the role of PET scan in the management of sinonasal malignancies. METHODS: We conducted a comprehensive literature search using PubMed, MEDLINE, EMBASE, Web of Science, CINAHL, and Cochrane databases for research studies of interest. The Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA) updated statement was used to guide the review. RESULTS: In total, 1807 articles were assessed for eligibility. Thirty-nine original papers, published between 2004 and 2021, met inclusion criteria. Seven articles focused on the role of PET scan for inverted papilloma, 23 for sinonasal carcinoma, 4 for melanoma, and 3 for lymphoma, and finally, 3 articles focused on the use of specific PET scan tracers for sinonasal malignancies. Qualitative summaries for each potential role of PET scans were provided. In general, included studies were retrospective in nature with low level of evidence. CONCLUSIONS: In general, and across all types of sinonasal malignancies, PET scan yielded positive results regarding detection and initial staging. It was also considered as the modality of choice for detection of distant metastases, except in the case of sinonasal lymphoma. PET scan's main limit resides in its inability to detect lesions in or close to the metabolic activity of the brain.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».