Ipsilateral renal function preservation following minimally invasive partial nephrectomy: The effect of tumour characteristics and warm ischemic time
Notice bibliographique
Résumé
INTRODUCTION: The relative impact of preoperative and perioperative variables on renal function following partial nephrectomy (PN) is controversial. To further investigate, we assess the effects of tumour complexity, warm ischemic time (WIT), and volume of resected renal parenchyma on ipsilateral renal function (IRF) outcomes following minimally invasive PN. METHODS: Of patients who underwent laparoscopic or robotic-assisted PN between 2002 and 2011 at our institution, 99 met our inclusion criteria. The effects of preoperative tumour complexity (using RENAL nephrometry score), perioperative WIT, and pathological tumour volumes on ipsilateral renal function preservation (%IRF) were analyzed. %IRF was defined as the proportion of postoperative to preoperative ipsilateral renal function calculated using MAG3 nuclear renography. RESULTS: Increasing RENAL nephrometry score (RNS) and WIT were independently predictive of inferior %IRF at 6-12-week postoperative followup in univariate and multivariate analyses. Of RNS properties, masses that were endophytic, near the collecting system, or central in location were associated with inferior %IRF, with nearness to collecting system as the strongest predictor; however, RNS was no longer predictive of %IRF in cases requiring more than 30 minutes of WIT. CONCLUSIONS: In renal masses amenable to resection by minimally invasive PN, longer WIT was the most important predictor of inferior %IRF. Although increasing RNS score influenced %IRF, the overall clinical significance of RNS is limited and should not influence operative decision-making in efforts to preserve renal function. Furthermore, small volumes of renal parenchyma can be safely resected without impairment of long-term IRF.
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 | 0,004 |
| 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 | 0,001 | 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) | 0,001 | 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 ».