Effect of prostatic apex shape (Lee types) and urethral sphincter length in preoperative MRI on very early continence rates after radical prostatectomy
Notice bibliographique
Résumé
PURPOSE: To test the effect of anatomic variants of the prostatic apex overlapping the membranous urethra (Lee type classification), as well as median urethral sphincter length (USL) in preoperative multiparametric magnetic resonance imaging (mpMRI) on the very early continence in open (ORP) and robotic-assisted radical prostatectomy (RARP) patients. METHODS: In 128 consecutive patients (01/2018-12/2019), USL and the prostatic apex classified according to Lee types A-D in mpMRI prior to ORP or RARP were retrospectively analyzed. Uni- and multivariable logistic regression models were used to identify anatomic characteristics for very early continence rates, defined as urine loss of ≤ 1 g in the PAD-test. RESULTS: Of 128 patients with mpMRI prior to surgery, 76 (59.4%) underwent RARP vs. 52 (40.6%) ORP. In total, median USL was 15, 15 and 10 mm in the sagittal, coronal and axial dimensions. After stratification according to very early continence in the PAD-test (≤ 1 g vs. > 1 g), continent patients had significantly more frequently Lee type D (71.4 vs. 54.4%) and C (14.3 vs. 7.6%, p = 0.03). In multivariable logistic regression models, the sagittal median USL (odds ratio [OR] 1.03) and Lee type C (OR: 7.0) and D (OR: 4.9) were independent predictors for achieving very early continence in the PAD-test. CONCLUSION: Patients' individual anatomical characteristics in mpMRI prior to radical prostatectomy can be used to predict very early continence. Lee type C and D suggest being the most favorable anatomical characteristics. Moreover, longer sagittal median USL in mpMRI seems to improve very early continence rates.
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) | 0,000 | 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 ».