MétaCan
Menu
Retour à la cohorte
Enregistrement W2980514435 · doi:10.23736/s0393-2249.19.03583-5

Robotic partial nephrectomy versus radical nephrectomy in elderly patients with large renal masses

2020· article· en· W2980514435 sur OpenAlexaff
Alessandro Veccia, Paolo Dell’Oglio, Alessandro Antonelli, Andrea Minervini, Giuseppe Simone, Ben Challacombe, Sisto Perdonà, James Porter, Chao Zhang, Umberto Capitanio, Chandru P. Sundaram, Giovanni Cacciamani, Monish Aron, Uzoma A. Anele, Lance J. Hampton, Claudio Simeone, Geert De Naeyer, Aaron Bradshawh, Andrea Mari, Riccardo Campi, Marco Carini, Cristian Fiori, Michele Gallucci, Ken Jacobsohn, Daniel Eun, Clayton Lau, Jihad Kaouk, Ithaar Derweesh, Francesco Porpiglia, Alexandre Mottrie, Riccardo Autorino

Notice bibliographique

RevueMinerva Urologica e Nefrologica · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensSurgical Specialties (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineNephrectomyPropensity score matchingLogistic regressionUrologyRenal massInternal medicineProportional hazards modelRenal functionBlood lossSurgeryKidney

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent evidence suggests that the "oldest old" patients might benefit of partial nephrectomy (PN), but decision-making for this subset of patients is still controversial. Aim of this study is to compare outcomes of robotic partial (RPN) or radical nephrectomy (RRN) for large renal masses in patients older than 65 years. METHODS: We identified 417≥65 years old patients who underwent RRN or RPN for cT1b or ≥cT2 renal mass at 17 high volume centers. Propensity score match analysis was performed adjusting for age, ASA≥3, pre-operative eGFR, and clinical tumor size. Predictors of complications, functional and oncological outcomes were evaluated in multivariable logistic and Cox regression models. RESULTS: After propensity score analysis, 73 patients in the RPN group were matched with 74 in the RRN group. R.E.N.A.L. Score (9.6±1.7 vs. 8.6±1.7; P<0.001), and high complexity (56 vs. 15%; P=0.001) were higher in the RRN. Estimated blood loss was higher in the RPN group (200 vs. 100 mL; P<0.001). RPN showed higher rate of overall complications (38 vs. 23%; P=0.05), but not major complications (P=0.678). At last follow-up, RPN group showed better functional outcomes both in eGFR (55.4±22.6 vs. 45.7±15.7 mL/min; P=0.016) and lower eGFR variation (9.7 vs. 23.0 mL/min; P<0.001). The procedure type was not associated with recurrence free survival (RFS) (HR: 0.47; P=0.152) and overall mortality (OM) (0.22; P=0.084). CONCLUSIONS: RPN in elderly patients with large renal masses provides acceptable surgical, and oncological outcomes allowing better functional preservation relative to RRN. The decision to undergo RPN in this subset of patients should be tailored on a case by case basis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,244
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMinerva Urologica e NefrologicaMême sujetRenal cell carcinoma treatmentTravaux en français237 207