Scores for Prediction of Fistula after Pancreatoduodenectomy: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND/AIM: Different scoring systems to predict the occurrence of postoperative pancreatic fistula (POPF) after pancreatoduodenectomy have been described, but the considered risk factors often suffer subjective scaling. The aim of this review is to evaluate and compare all published risk metrics predictive of POPF. METHODS: All existing scores were retrieved by literature web search. Inclusion criteria were ISGPF classification of POPF and the development of a risk score metric. RESULTS: From a total of 286 publications, 10 studies were selected. Most of them were retrospective and single center. The models considered a median number of 3 items (range from 2 to 5); in 5 of 10 trials only pre or intraoperative variables were included. The median number of patients/study was 186 (IQR 111.1-229.0). External validation was performed in 6 of 10 studies. The most recurrent items were abdominal fat (4/10), main pancreatic duct diameter (in 4/10), and pancreatic texture (3/10). CONCLUSION: POPF risk estimation should be easy, accurate, and objective. It should consider preoperative patient-related and gland-related features, and intraoperative events. None of the published systems completely adhere to these principles. Large heterogeneous multicentric validations should be endorsed, to account for the case-mix and evaluate the reproducibility of each scoring system.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».