MétaCan
Menu
Retour à la cohorte
Enregistrement W3140563178 · doi:10.6000/1929-2279.2013.02.03.8

Nephron-Sparing Surgery in Renal Cell Carcinoma: Morbidity and Outcomes

2013· article· en· W3140563178 sur OpenAlexvenueno aff
Marcos F. Dall’Oglio, Alexandre Crippa, José R. Colombo, Rafael F. Coelho, Eder Nisi Ilário, Miguel Srougi

Notice bibliographique

RevueJournal of cancer research updates · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineNephrectomyRenal cell carcinomaPerioperativeAdipose capsule of kidneyPathologicalSurgeryCancerKidney cancerKidneyUrologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective: To present the partial nephrectomy series performed at our institution. Patients and Methods: 147 patients underwent nephron-sparing surgery between Jan/2000 and Feb/2011. The mean patient age was 60.3 yrs (33.2-82.7), and 90 (61.2%) were men. The clinical presentation, pathological tumor features, perioperative complications, functional and oncological outcomes were analyzed. Results: 84.4% of the renal masses were incidental, and the mean tumor size was 3,63 cm. Median warm ischemia time and estimated blood loss was 18 min (11-27) and 220 ml (50-480), respectively. Overall complication rate was 5%. 87.0% of the tumors were pT1, 5.7% were pT2, and 7.3% was pT3. 45 tumors were high-grade (30.6%), microvascular invasion was observed in eleven tumors (7.5%), presence of necrosis occurred in twenty-seven tumors (18.4%), and invasion of perirenal fat was identified in ten cases (6.8%). At a mean follow-up of 60 months, local recurrence was observed in only six cases (4.1%) and the cancer-specific survival in this series was 95.2%. Conclusion: Open partial nephrectomy is safe and presented optimal oncological results. It should be used for treating small renal tumors whenever is technically feasible.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,081
Tête enseignante GPT0,369
Écart entre enseignants0,288 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of cancer research updatesMême sujetRenal cell carcinoma treatmentTravaux en français237 207