The effect of abdominal fat parameters on percutaneous nephrolithotomy success
Notice bibliographique
Résumé
INTRODUCTION: Obesity has been suggested to lower the success of percutaneous nephrolithotomy (PCNL). However, the relationship between abdominal fat parameters, such as visceral and subcutaneous abdominal adipose tissue, and PCNL success remained unclear. In this study, we aimed to investigate the effect of abdominal fat parameters on PCNL success. METHODS: A total of 150 patients who underwent PCNL were retrospectively enrolled in this study. Group 1 consisted of patients who had no residual stones or residual stone fragments <3 mm in diameter while group 2 included patients with residual stone fragments ≥3 mm. PCNL procedure was defined as successful if all stones were eliminated or if there were residual stone fragments <3 mm in diameter confirmed by non-contrast computed tomography (NCCT) performed postoperatively. Preoperative NCCT was used to determine abdominal fat parameters. RESULTS: Group 1 consisted of 117 (78.0%) patients while group 2 included 33 (22.0%) patients. On univariate analysis, stone number, stone surface area (SSA), visceral fat area (VFA), abdominal circumference on computerized tomography (ACCT), and duration of procedure were found to be predictive factors affecting PCNL success. Logistic regression analysis revealed that ACCT and SSA were independent prognostic factors for PCNL success. CONCLUSIONS: PCNL success was not affected by VFA, subcutaneous fat area (SFA) and body mass index (BMI) in our series. However, ACCT and SSA had negative associations with PCNL success. We conclude that both ACCT and SSA can be used as tools for predicting PCNL outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».