The association between renal tumour scoring system components and complications of partial nephrectomy
Notice bibliographique
Résumé
INTRODUCTION: We evaluate the associations between 3 renal tumour scoring systems and their components with perioperative complications of partial nephrectomy. METHODS: A consecutive cohort of partial nephrectomy patients was analyzed. Patient characteristics were abstracted from medical records. PADUA scores (preoperative aspects and dimensions used for anatomic classification), RENAL (radius exophyic/endophytic nearness anterior/posterior location scoring) nephrometry scores, and Centrality index (C-index) were determined from preoperative axial images by 2 independent reviewers. Cases were evaluated for postoperative complications up to 30 days after surgery. Pre-specified complication definitions were used for 33 potential medical and surgical complications. Unadjusted and adjusted associations between overall scores, individual components, and complications were determined using log binomial regression. RESULTS: In total, 118 patients were included in the study. Of these, 36 (30.5%) surgical complications occurred in 27 (22.9%) patients. Fourteen (11.9%) were Clavien grade ≥3. Overall PADUA score was significantly associated with surgical and overall complications after adjusting for potential confounders. Among all components of the 3 scoring systems, only tumour diameter and exophytic/endophytic nature of the tumour were significantly associated with complications after adjusting for the other components of the respective scoring system (p < 0.05). CONCLUSIONS: Renal tumour scoring systems may help predict the risk of complications after partial nephrectomy. Further refinement of current systems is required. A first step would be to include only components that are significantly associated with complications.
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 | 0,001 |
| 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 ».