Defining Biological Borderline Resectable Non-functioning Pancreatic Neuroendocrine Tumors (NF-PanNETs)
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to develop and validate a preoperative predictive model to identify patients at high risk of early recurrence (ER), with a view to establish a framework for biological borderline resectability of non-functioning pancreatic neuroendocrine tumors (NF-PanNETs). BACKGROUND: Radical surgery is curative for most localized NF-PanNETs, but a subset of patients experiences ER. No standardized criteria define preoperative high-risk disease. METHODS: A retrospective multicentric study was conducted at 3 tertiary centers. Patients undergoing curative resection for localized NF-PanNETs were included, and preoperative clinicopathologic and imaging variables were analyzed. ER was defined as a recurrence within 24 months. A classification tree model was developed, and performance was assessed using the area under the curve (AUC) of the receiver operating characteristic curve. RESULTS: A total of 496 patients were analyzed, with 290 in the derivation cohort and 206 in the validation cohort. ER occurred in 55 patients (11%), including 26 (9%) in the derivation and 29 (14%) in the validation cohort. The median disease-free survival for ER patients was 16 months (interquartile range: 10-20 months). Neoplastic venous thrombosis was the strongest predictor of ER, with an ER probability of 71%. Among patients without venous thrombosis, those with a Ki-67 index ≥5% and tumor size ≥3 cm had an ER probability of 41% in case of adenopathy and 19% otherwise. The model achieved an AUC of 0.91 in the derivation cohort and 0.84 in the validation cohort. CONCLUSIONS: This externally validated model provides a reliable preoperative tool to identify NF-PanNETs at high risk of ER and introduces the concept of biological borderline resectable NF-PanNETs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».