The importance of measuring prolactin prior to surgical management of a pituitary lesion: An illustrative case
Notice bibliographique
Résumé
The characterization of sellar and suprasellar lesions is reliant on patient presentation, medical imaging, and hormone profiling. Prolactinomas are the most common type of functional pituitary adenomas, accounting for up to 57%. Importantly, prolactinomas can present without clear symptoms and with doubtful or even normal imaging. A 41-year-old male patient was referred to neurosurgery for consideration for resection of a sellar lesion, as initial CT imaging suggested a large meningioma. Subsequent MRI of the sella favored macroadenoma, meningioma, and craniopharyngioma as the top differential considerations. These conditions all indicate a diagnosis that would require surgical management. Clinical evaluation of this patient did not elicit any obvious clinical features suggestive of hyperprolactinemia. Fortunately, we obtained a full hormone panel which revealed a significantly elevated prolactin level of 17,390 µg/L. Based on this elevated prolactin level, we diagnosed a pituitary giant prolactinoma. Treatment with a dopamine agonist therapy was initiated and the response confirmed this diagnosis. This case demonstrates the importance of obtaining a prolactin level prior to surgical management of a sellar lesion. Had a prolactin level not been obtained, this patient would have undergone surgical resection based on both the imaging and clinical judgment.
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,008 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».