Multivariate analysis of the factors involved in loss of renal differential function after laparoscopic partial nephrectomy; a role for warm ischemia time
Notice bibliographique
Résumé
BACKGROUND: Partial nephrectomy (PN) is now the gold standard for the surgical treatment of small renal masses. We evaluated the effect of WIT and other factors on RDF assessed by preoperative and postoperative renal scintigraphy. METHODS: Between 2003 and 2008, 182 consecutive laparoscopic PN (LPN) were performed in an academic centre. Among those, 56 had mercaptoacetyl triglycine (MAG3) lasix renal scintigraphy preoperatively and postoperatively. RESULTS: Medians for age, preoperative estimated glomerular filtration rate and computed tomography scan tumour size were 62 years, 82 mL/min/1.73m(2) and 26 mm, respectively. Median WIT and preoperative RDF were 30 minutes and 50%, respectively. Median loss of RDF after surgery was 14%. Linear regression curves showed that loss in RDF rate was 0.2% per minute when WIT was <30 minutes and 0.7% per minute when WIT was ≥30 minutes. In multivariate analysis, length of WIT and endophytic tumour location were associated with a statistically significant loss of RDF (p < 0.05), but only in the group who experienced >30 minutes of WIT. INTERPRETATION: Our results suggest that the factors associated with loss of RDF are not the same before and after 30 minutes of WIT and that the rate of loss in RDF increases after 30 minutes. Since, the effect of WIT is small up to 30 minutes, we believe that surgery should focus on limiting the resection of normal parenchyma and to ensure negative margins and hemostasis, rather than on premature unclamping.
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) | 0,001 | 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 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 ».