Approach to the Patient: From Endocrinopathy to the Diagnosis of a Histiocytic Disorder
Notice bibliographique
Résumé
Endocrinopathies are frequently the initial presentation of histiocytic neoplasms, which are rare hematologic disorders affecting multiple organ systems. Langerhans cell histiocytosis and Erdheim-Chester disease are 2 such disorders known to infiltrate the hypothalamus and/or pituitary gland, leading to arginine vasopressin deficiency (AVP-D) and anterior pituitary dysfunction (APD) in 20% to 30% of cases, often as the first manifestation. Conversely, histiocytic disorders account for a notable proportion (10-15%) of all pituitary stalk lesions. The diagnosis of histiocytoses is often delayed in such cases due to the nonspecific presentation of endocrinopathies and pituitary involvement. Consequently, endocrinologists are at the frontline and uniquely positioned to achieve early diagnosis by recognizing the varied nonendocrine features of these disorders. This article provides an overview of the endocrine manifestations of histiocytic disorders and presents a simplified algorithm to guide the diagnostic workup in cases presenting with "idiopathic" AVP-D or APD. Such cases should be evaluated for histiocytic neoplasms with additional imaging studies and biopsies of suspected disease sites. If no disease site beyond the pituitary is identified, the risks and benefits of a pituitary stalk lesion biopsy must be carefully considered. While treatments of histiocytic neoplasms are highly efficacious, endocrinopathies are considered permanent and require long-term hormone replacement. It remains unclear whether early diagnosis and novel targeted therapies can reverse these endocrine disorders. Therefore, the role of the endocrinologist role is critical in the diagnosis and management of these rare diseases.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».