Estimating the Risk of Prolonged Air Leak after Pulmonary Resection Using a Simple Scoring System
Notice bibliographique
Résumé
BACKGROUND: The high rate of prolonged air leak (PAL) after pulmonary resection has prompted interest in surgical adjuncts designed to prevent this complication. However, these adjuncts are costly and might not be beneficial if used routinely. Identification of patients at highest risk might allow for more effective use of these adjuncts. Therefore, we sought to develop a simple scoring system to predict PAL. STUDY DESIGN: A derivation set of 580 patients was identified from a prospectively entered database of consecutive pulmonary resections at a single institution from 2002 to 2007. Patient and operative characteristics were compared using Student's t-test and chi-square tests. Significant variables on univariate analysis were entered into a stepwise logistic regression to establish a simple predictive model to estimate the risk of PAL. This scoring system was then validated in a consecutive set of 381 patients operated at the same institution from 2007 to 2009. RESULTS: The rate of PAL was 14% in the derivation set and 18% in the validation set. Poor pulmonary function (forced expiratory volume in 1 second and carbon monoxide diffusing capacity, percent predicted) and pleural adhesions were significantly associated with PAL in the derivation set. A weighted scoring system was devised using pleural adhesions (+2 points), forced expiratory volume in 1 second (+1 per 10% below 100%), and carbon monoxide diffusing capacity (+1 per 20% below 100%). Total number of points estimated the probability of PAL. Hosmer-Lemeshow goodness-of-fit test confirmed validity (p > 0.2) of this scoring system in the validation set. CONCLUSIONS: We have devised and validated a simple scoring system to predict the probability of PAL after pulmonary resection.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».