Impact of grade on workup of rectal neuroendocrine tumors: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Rectal neuroendocrine tumors (RNETs) are often discovered on screening colonoscopy. Indications for staging and definitive resection are inconsistent in current guidelines. We evaluated the role of grade in guiding staging and procedural decision-making. METHODS: Patients with biopsy confirmed RNETs between 2004 and 2015 were reviewed. Baseline characteristics, staging investigations (biochemical and imaging), and endoscopic/surgical treatment were recorded. Associations between grade, preoperative staging, interventions, and survival were determined using Fisher-Freeman-Halton Exact, log-rank, and Kaplan-Meier analysis. RESULTS: Amongst 139 patients with RNETs, 9% were aged ≥ 75 years and 44% female. Tumor grade was: 73% grade 1 (G1), 18%, grade 2 (G2) and 9% grade 3 (G3). Staging investigations were performed in 52% of patients. All serum chromogranin A and 97% of 24-hour urine 5-hydroxyindoleacetic acid tests were normal. The large majority of staging computed tomography (CT) scans were negative (76%) with subgroup analysis showing no G1 patients with CT identified distant disease compared with 38% of G2 and 50% of G3 patients (p < 0.001). G1 patients were more likely to achieve R0/R1 resections compared to G2 (95% vs. 50%, p < 0.001) and G1 patients had significantly better 5-year overall survival (G1: 98%, G2: 67%, G3: 10%, p < 0.001). CONCLUSION: Tumor grade is important in preoperative workup and surgical decision-making. Biochemical staging may be omitted but staging CT should be considered for patients with grade ≥ 2 lesions. Anatomic resections should be considered for patients with grade 2 disease.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 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 ».