Longitudinales Wachstumsverhalten von plexiformen Neurofibromen bei NF1
Bibliographic record
Abstract
Plexiforme Neurofibrome (PNF) sind ein typisches Merkmal der Neurofibromatose Typ 1 und treten bei mindestens 30% der Patienten auf. Über die Wachstumseigenschaften dieser Tumoren besteht Unklarheit. Phasen progressiven Wachstums stehen unverändertem Wachstumsverhalten gegenüber. Die Entwicklung dieses Tumortyps zu malignen peripheren Nervenscheidentumoren stellt eine wesentliche Komplikation dar. Durch die longitudinale Beobachtung des Wachstumsverhalten dieser Tumoren mittels MRT wurde deren Progression sowie asssoziierte klinische und genetische Faktoren untersucht. 32 plexiforme Neurofibrome wurden bei 27 NF1 Patienten im Alter von 4 bis 15 Jahren (Mittelwert: 7,6) mittels MRT überwacht. Dabei wurde der längste Querdurchmesser oder die größte Ausdehnung des Tumors in der Länge und Breite ausgemessen. Die Patienten wurden klinisch und molekulargenetisch (NF1-Mutationsanalyse) charakterisiert. Ergebnisse: Geschlecht, Tumorlokalisation, Anzahl kutaner Neurofibrome und externer Neurofibrome standen in keiner Beziehung zur Tumorprogression. Tumorprogression fand sich insbesondere bei Kindern und Jugendlichen und bei Patienten mit multiplen spinalen Raumforderungen. Das Wachstumsverhalten der Tumoren wurde als oberflächlich, verdrängend und invasiv klassifiziert. Eine Progression wurde am häufigsten beim invasiven Tumortyp beobachtet. Der Wachstumstyp im MRT stand in Beziehung zur Lokalisation des plexiformen Neurofibroms, multiplen spinalen Neurofibromen, Anzahl kutaner Neurofibrome und externer plexiformer Neurofibrome. Es fand sich keine signifikante Assoziation zwischen Wachstumstyp und der Mutation im NF1-Gen. Die Ergebnisse dieser Studie sprechen für eine unterschiedliche Pathogenese der PNF, die zu divergierenden Behandlungsstrategien führt.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".