Association of partial nephrectomy and presence of robotic surgery for kidney cancer in the United States.
Notice bibliographique
Résumé
484 Background: While hospital and surgeon characteristics are associated with the type of nephrectomy performed for renal cell carcinoma (RCC), it is unknown whether hospital presence of robotic surgery increases the likelihood of patients receiving partial nephrectomy (PN). Therefore, we evaluate the relationship of PN and hospital presence of robotic surgery from a population-based cohort in the U.S. Methods: After merging the Nationwide Inpatient Sample (NIS) and the American Hospital Association (AHA) survey from 2006 to 2008, we identified 21,999 patients who underwent either PN or radical nephrectomy (RN) for RCC. The primary outcome of this study was the type of nephrectomy performed. Multivariable logistic regression was used to identify hospital characteristics associated with receipt of PN, after adjusting for patient case mix. Results: Overall, we identified 4,832 (22.0%) and 16,347 (88.0%) patients who were surgically treated for RCC with PN and RN, respectively. On multivariable analysis, patients undergoing surgery were more likely to receive PN at academic (OR: 2.77;p<0.001), urban (OR: 3.66; p<0.001), and American College of Surgeon (ACOS) designated cancer centers (OR: 1.10; p<0.05) compared to non-academic, rural, and non-designated hospitals, respectively. After adjusting for patient and hospital characteristics, patients undergoing surgery at hospitals with presence of robotic surgery were also associated with higher adjusted odds ratios for receipt of PN compared to those treated at hospitals without the presence of this advanced treatment technology (OR: 1.28; p<0.001). Conclusions: While academic status and urban locations are established characteristics influencing the type of nephrectomy performed for RCC, ACOS cancer center designation and hospital presence of robotic surgery were also associated with higher use of PN. Our results are informative in identifying key hospital characteristics which may facilitate greater adoption of PN.
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 | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».