The Utility of Routine MRI Surveillance Screening in Pediatric CNS Tumor Survivors
Notice bibliographique
Résumé
Abstract Purpose Surveillance magnetic resonance imaging (MRI) is routinely used to detect recurrence in pediatric central nervous system (CNS) tumors. Frequency of neuroimaging surveillance varies with no standardized approach. Methods We sought via a single institution retrospective cohort study to evaluate the frequency of recurrence identified by surveillance neuroimaging versus those detected clinically. Results This study included 476 patients; the majority diagnosed with a low-grade glioma (LGG) (n = 138; 29%), high grade glioma (HGG) (n = 77; 16%), ependymoma (n = 70; 15%) or medulloblastoma (n = 61; 13%). Patients with LGG, HGG and ependymoma more commonly had multiply recurrent disease (p = 0.08), with those with ependymoma demonstrating two or more relapses in 49% of cases. Recurrent disease was identified by imaging more often than clinical symptoms (65% vs 32%; p = < 0.01). Mean time to first relapse and subsequent relapse for the entire cohort was 30 months (range 1 day − 24.8 years) and 19.5 months (range 1 week-19.6 years), respectively. Patients diagnosed with meningioma demonstrated the longest mean time to first relapse (74.7 months), whereas those with Atypical Teratoid Rhabdoid Tumor (ATRT) and Choroid plexus papilloma tended to have the shortest time to relapse (8.9 months and 5.5 months, respectively). Overall, 22 patients sustained the first relapse > 10 years from initial diagnosis (9 LGG, 4 medulloblastoma, 3 meningioma, 2 germ cell tumor, 1 pineoblastoma, 1 craniopharyngioma, and 2 other). Conclusion With a higher tendency towards detection of tumor recurrence/progression on MRI surveillance in comparison to clinical progression, surveillance imaging should be considered in routine follow up of pediatric CNS tumor survivors. With some relapses > 10 years from initial diagnosis, imaging beyond this time point may be useful in particular tumor types.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».