QOL-06. RECURRENCE PATTERNS AND SURVEILLANCE IMAGING IN PEDIATRIC BRAIN TUMOR SURVIVORS
Notice bibliographique
Résumé
Abstract BACKGROUND Surveillance magnetic resonance imaging (MRI) is routinely used to detect recurrence in pediatric central nervous system (CNS) tumors. Frequency of neuroimaging varies with no standardized approach. METHODS A single institution retrospective cohort study evaluated frequency and pattern of recurrences. Pediatric patients (birth to age 21 years) diagnosed with a primary CNS tumor between 1988 and 2011 treated at Lurie Children’s Hospital were included. 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%). LGG, HGG and ependymoma patients more commonly had multiply recurrent disease (p=0.08), with ependymoma patients demonstrating ≥2 relapses in 47% of cases. Recurrent disease was identified by imaging more often than clinical symptoms (65% vs 32%; p=<0.01). Treatment at relapse included surgical managment more often than non-surgical approach (59% vs. 41%; p=0.0016) in patients, leading to pathology confirmation of recurrence. Mean time to first relapse for the entire cohort was 2.5 years (range 1 day-24.8 years). Patients diagnosed with meningioma demonstrated the longest mean time to first relapse (74.7 months) whereas those with Atypical Teratoid Rhabdoid Tumor and Choroid plexus carcinoma tended to have the shortest time to relapse (8.9 months and 9 months, respectively). Overall, 22 patients sustained first relapse >10 years from initial diagnosis, including those diagnosed with LGG, medulloblastoma, pineoblastoma, craniopharyngioma, GCT, and meningioma. CONCLUSION With a higher percentage of tumor recurrence/progression seen on neuroimaging before development of symptoms, surveillance imaging is necessary in routine follow up of pediatric CNS tumor survivors. While the study is limited since we did not look at overall survival, earlier detection of recurrence would lead to earlier initiation of treatment and implementation of salvage treatment regimens which can impact survival and quality of life.
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) | 0,000 | 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 ».