Percutaneous Nephrolithotomy in Patients with Urinary Tract Abnormalities
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Patients with urinary tract abnormalities are at an increased risk of stone formation. Percutaneous nephrolithotomy (PCNL) plays an important role in the treatment of this patient population; however, outcomes are less well defined compared with patients with normal urinary tract anatomy. Our objective was to evaluate the influence of urinary tract abnormalities on intraoperative and postoperative outcomes with PCNL. PATIENTS AND METHODS: We report on a single-center prospective database of 2284 consecutive PCNLs in 1935 patients from 1990 to 2012. For the purposes of this analysis, patients were categorized by the presence or absence of a urinary tract abnormality. Multivariable analyses were used to identify independent predictors of the length of hospital stay, operative time, complications, and residual stones at discharge and 3 months. RESULTS: A urinary tract abnormality was present in 14.4% (n=330) of the cohort. On univariable analysis, patients with urinary tract abnormalities were more likely to present with urinary tract infection (28% vs 19%, P<0.001) and less likely to present with hematuria (13% vs 19%, P<0.02). On multivariable regression, a urinary tract abnormality was predictive of residual stone at discharge, need for a secondary procedure, but did not increase the risk of residual stone at 3 months or the development of complications. Operative time and hospital stay were only moderately prolonged. CONCLUSION: Patients with urinary tract abnormalities who undergo PCNL have a higher risk of residual stones at discharge and need for secondary procedures, but comparable complication rates, operative time, and hospital stay.
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 ».