Nomogram predicting 30‐day mortality after nephrectomy in the contemporary era: Results from the SEER database
Notice bibliographique
Résumé
OBJECTIVES: To assess contemporary 30-day mortality rates after partial and radical nephrectomy in USA, and to develop a predictive model of 30-day mortality. METHODS: We relied on the National Cancer Institute Surveillance, Epidemiology and End Results database. A multivariable logistic regression analysis was fitted to predict 30-day mortality. A nomogram was built based on the coefficients of the logit function. Internal validation was carried out using the leave-one-out cross-validation. Calibration was graphically investigated. RESULTS: A total of 102 146 patients who underwent partial nephrectomy (n = 36 425; 35.7%) or radical nephrectomy (n = 65 721; 64.3%) between 2005 and 2015 were included in the analysis. The median age at diagnosis was 62 years. A total of 11 921 (11.7%) patients were African American. The clinical stage was T1-T2 in 79 452 (77.8%), T3 in 16 141 (15.8%) and T4/T1-4-M1 in 6553 (6.4%) patients. Overall, 497 deaths occurred during the initial 30 days after nephrectomy (0.49% 30-day mortality rate). Stratified by type of surgery, the 30-day mortality rate was 0.16% for partial nephrectomy and 0.67% for radical nephrectomy. At univariate analyses, age, tumor size, stage and surgical procedure emerged as predictors of 30-day mortality (all P < 0.001). All of these covariates were included in the multivariable logistic regression model. The area under the curve after leave-one-out cross-validation was 0.808 (95% confidence interval 0.788-0.828), and the model showed good calibration in the range of predicted probability <10%. CONCLUSIONS: Contemporary rates of 30-day mortality in patients undergoing radical or partial nephrectomy are very low. Age and tumor stage are key determinants of 30-day mortality. We present a predictive model that provides individual probabilities of 30-day mortality after nephrectomy, and it can be used for patient counseling prior surgery.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».