Frailty predicts outcome of partial nephrectomy and guides treatment decision towards active surveillance and tumor ablation
Notice bibliographique
Résumé
PURPOSE: To examine frailty and comorbidity as predictors of outcome of nephron sparing surgery (NSS) and as decision tools for identifying candidates for active surveillance (AS) or tumor ablation (TA). METHODS: Frailty and comorbidity were assessed using the modified frailty index of the Canadian Study of Health and Aging (11-CSHA) and the age-adjusted Charlson-Comorbidity Index (aaCCI) as well as albumin and the radiological skeletal-muscle-index (SMI) in a cohort of n = 447 patients with localized renal masses. Renal tumor anatomy was classified according to the RENAL nephrometry system. Regression analyses were performed to assess predictors of surgical outcome of patients undergoing NSS as well as to identify possible influencing factors of patients undergoing alternative therapies (AS/TA). RESULTS: Overall 409 patient underwent NSS while 38 received AS or TA. Patients undergoing TA/AS were more likely to be frail or comorbid compared to patients undergoing NSS (aaCCI: p < 0.001, 11-CSHA: p < 0.001). Gender and tumor complexity did not vary between patients of different treatment approach. 11-CSHA and aaCCI were identified as independent predictors of major postoperative complications (11-CSHA ≥ 0.27: OR = 3.6, p = 0.001) and hospital re-admission (aaCCI ≥ 6: OR = 4.93, p = 0.003) in the NSS cohort. No impact was found for albumin levels and SMI. An aaCCI > 6 and/or 11-CSHA ≥ 0.27 (OR = 9.19, p < 0.001), a solitary kidney (OR = 5.43, p = 0.005) and hypoalbuminemia (OR = 4.6, p = 0.009), but not tumor complexity, were decisive factors to undergo AS or TA rather than NSS. CONCLUSION: In patients with localized renal masses, frailty and comorbidity indices can be useful to predict surgical outcome and support decision-making towards AS or TA.
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 | 0,000 |
| 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 ».