Update on Cancer Predisposition Syndromes and Surveillance Guidelines for Childhood Brain Tumors
Notice bibliographique
Résumé
Tumors of the central nervous system (CNS) comprise the second most common group of neoplasms in childhood. The incidence of germline predisposition among children with brain tumors continues to grow as our knowledge on disease etiology increases. Some children with brain tumors may present with nonmalignant phenotypic features of specific syndromes (e.g., nevoid basal cell carcinoma syndrome, neurofibromatosis type 1 and type 2, DICER1 syndrome, and constitutional mismatch-repair deficiency), while others may present with a strong family history of cancer (e.g., Li-Fraumeni syndrome) or with a rare tumor commonly found in the context of germline predisposition (e.g., rhabdoid tumor predisposition syndrome). Approximately 50% of patients with a brain tumor may be the first in a family identified to have a predisposition. The past decade has witnessed a rapid expansion in our molecular understanding of CNS tumors. A significant proportion of CNS tumors are now well characterized and known to harbor specific genetic changes that can be found in the germline. Additional novel predisposition syndromes are also being described. Identification of these germline syndromes in individual patients has not only enabled cascade testing of family members and early tumor surveillance but also increasingly affected cancer management in those patients. Therefore, the AACR Cancer Predisposition Working Group chose to highlight these advances in CNS tumor predisposition and summarize and/or generate surveillance recommendations for established and more recently emerging pediatric brain tumor predisposition syndromes.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».