Delay in Nephrectomy and Cancer Control Outcomes in Elderly Patients with Small Renal Masses
Notice bibliographique
Résumé
OBJECTIVE: To examine the impact of nephrectomy delay on the survival of patients with small renal masses. METHODS: Relying on the Surveillance, Epidemiology, and End Results Medicare-linked database, 6,237 patients with pT1a renal cell carcinoma who underwent radical or partial nephrectomy were identified (1988-2005). Nephrectomy delay was dichotomized as ≤3 vs. >3 months. Uni- and multivariate Cox regression analyses tested the effect of delayed nephrectomy on cancer-specific mortality (CSM). In sub-analyses, various other time from diagnosis to nephrectomy cut-offs were modelled: (a) ≤1 vs. >1 month, (b) ≤2 vs. >2 months, (c) ≤4 vs. >4 months, (d) ≤6 vs. >6 months, (e) ≤12 vs. >12 months or (f) continuously coded. RESULTS: In univariate analyses, nephrectomy delay >3 months was associated with a higher risk of CSM (hazard ratio [HR]: 2.07; 95% confidence interval [CI]: 1.58-2.72; p < 0.001). However, after multivariate adjustment, a nephrectomy delay >3 months was not significantly associated with a higher risk of CSM (HR: 1.33; 95% CI: 0.96-1.86; p = 0.09). The lack of a relationship between nephrectomy delay and CSM after multivariate adjustment persisted even in various sub-analyses of other categorizations for nephrectomy delay. CONCLUSIONS: In the case of eventual nephrectomy delay among patients with small renal masses, CSM is unaffected.
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 ».