Comparing different kidney stone scoring systems for predicting percutaneous nephrolithotomy outcomes: A multicenter retrospective cohort study
Notice bibliographique
Résumé
OBJECTIVE: To compare the predictive performance of five previously described scoring systems (i.e., S.T.O.N.E., Guy's, Clinical Research Office of the Endourological Society (CROES), the Seoul National University Renal Stone Complexity (S-RESC) and the new Stone Kidney Size (SKS) score) for postoperative outcomes regarding stone-free rate (SFR) and complications in adult patients. METHODS: Data from 349 patients who underwent percutaneous nephrolithotomy (PCNL) in three urology departments were analyzed. SKS, S.T.O.N.E., S-ReSC, CROES and Guy's nephrolithometry scoring systems were used to retrospectively calculate predictions for each patient. Univariate and multivariate analyses were performed to evaluate factors associated with SFR and complication rates. Receiver operating characteristic (ROC) curves were generated and areas under curves (AUC) were compared to identify the method with the highest predictive value. RESULTS: Median SKS, S.T.O.N.E., S-ReSC, CROES and Guy's scores were 4, 7, 3, 170.8 and 2, respectively. Overall, SFR was 67.0% (234/349) with a complications rate of 36.7% (128/349). AUCs of each method for predicting stone-free status, highlighted reasonable predictive capabilities with 0.709, 0.806, 0 0.869, 0.207, and 0.735, respectively; however, the S-ReSC scoring system had the best discriminative performance. According to multivariate logistic regression and AUC results, none were effectively capable of predicting complications. CONCLUSIONS: All scoring systems correlated significantly with stone-free status; although, S-ReSC appears to have the greatest predictive ability. This method is also relatively easy to implement and highly reproducible. However, none of the methods analyzed are able to accurately predict postoperative complications.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».