Hospital Volume is a Determinant of Postoperative Complications, Blood Transfusion and Length of Stay After Radical or Partial Nephrectomy
Notice bibliographique
Résumé
PURPOSE: We examined the impact of hospital volume on short-term outcomes after nephrectomy for nonmetastatic renal cell carcinoma. MATERIALS AND METHODS: Using the Nationwide Inpatient Sample we identified 48,172 patients with nonmetastatic renal cell carcinoma treated with nephrectomy (1998 to 2007). Postoperative complications, blood transfusions, prolonged length of stay and in-hospital mortality were examined. Stratification was performed according to teaching status, nephrectomy type (partial vs radical nephrectomy) and surgical approach (open vs laparoscopic). Multivariable logistic regression models were fitted. RESULTS: Patients treated at high volume centers were younger and healthier at nephrectomy. High hospital volume predicted lower blood transfusion rates (8.5% vs 9.7% vs 11.8%), postoperative complications (14.4% vs 16.6% vs 17.2%) and shorter length of stay (43.1% vs 49.8% vs 54.0%, all p <0.001). In multivariable analyses stratified according to teaching status, nephrectomy type and surgical approach, high hospital volume was an independent predictor of lower rates of postoperative complications (OR 0.73-0.88), blood transfusions (OR 0.71-0.78) and prolonged length of stay (OR 0.76-0.89, all p <0.001). Exceptions were postoperative complications at nonteaching centers (OR 0.94, p >0.05) and blood transfusions in nephrectomies performed laparoscopically (OR 0.68, p >0.05). CONCLUSIONS: On average, high hospital volume results in more favorable outcomes during hospitalization after nephrectomy.
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 ».