Percutaneous Nephrolithotripsy in Patients with Urinary Diversions: A Case-Control Comparison of Perioperative Outcomes
Notice bibliographique
Résumé
PURPOSE: To compare the operative techniques and perioperative outcomes of patients with urinary intestinal diversions undergoing percutaneous nephrolithotripsy (PCNL), to a control cohort of patients without diversions. PATIENTS AND METHODS: The medical records of all patients who were treated with PCNL from 1990 to 2009 were retrospectively reviewed. Each urinary diversion patient's first PCNL was age-matched with four controls who were undergoing PCNL. The perioperative outcomes were compared between the diversion and control cohorts. RESULTS: Twenty-five patients with a urinary diversion who had undergone 33 PCNLs were identified. The mean age was 49.3 (8-85) years for the diversion group and 48.9 (4-84) for the control group. Urinary tract infection (64% vs 15% patients, P<0.0001), neurologic disease (64% vs 2%, P<0.0001), previous procedure for the same calculus (24% vs 4%, P=0.0004), urinary tract abnormalities (56% vs 14%, P<0.0001), solitary kidney (20% vs 3%, P=0.0081), and struvite stones (80% vs 12.5%, P=0.0006) were more commonly observed in the diversion group. Percutaneous access gained by a radiologist (40% vs 0%, P<0.0001), second-look nephroscopy (36% vs 16%, P=0.0466), and an increase in the frequency of fever or sepsis (8% vs 0%, P=0.0387) were identified more frequently in the diversion group. CONCLUSIONS: Patients with upper tract calculi and urinary diversions are challenging to the endourologist because of anatomic factors that can make percutaneous access more difficult; ultrasonography-guided access can be helpful in this setting. Patients with urinary diversions can be treated as safely and effectively by PCNL as nondiverted patients.
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) | 0,001 | 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 ».