Update on Current Evidence for the Diagnosis and Management of Nonfunctioning Pituitary Neuroendocrine Tumors
Notice bibliographique
Résumé
Pituitary neuroendocrine tumors (PitNETs) are the third most frequently diagnosed intracranial tumors, with nonfunctioning PitNETs (nfPitNETs) accounting for 30% of all pituitary tumors and representing the most common type of macroPitNETs. NfPitNETs are usually benign tumors with no evidence of hormone oversecretion except for hyperprolactinemia secondary to pituitary stalk compression. Due to this, they do not typically present with clinical syndromes like acromegaly, Cushing's disease or hyperthyroidism and instead are identified incidentally on imaging or from symptoms of mass effects (headache, vision changes, apoplexy). With the lack of effective medical interventions, first-line treatment is transsphenoidal surgical resection, however, nfPitNETs often have supra- or parasellar extension, and total resection of the tumor is often not possible, resulting in residual tumor regrowth or reoccurrence. While functional PitNETs can be easily followed for recurrence using hormonal biomarkers, there is no similar parameter to predict recurrence in nfPitNETs, hence delaying early recognition and timely management. Therefore, there is a need to identify prognostic biomarkers that can be used for patient surveillance and as therapeutic targets. This review focuses on summarizing the current evidence on nfPitNETs, with a special focus on potential new biomarkers and therapeutics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».