Unexpected malignancy at the time of hysterectomy performed for a benign indication: A retrospective review
Notice bibliographique
Résumé
OBJECTIVE: To determine the proportion of patients undergoing hysterectomy for a benign indication who have unexpected malignancy (UM) on postoperative pathology and characterize the nature of UMs. METHODS: This was a multi-center, retrospective study of patients undergoing hysterectomy for a benign indication from July 2016 to December 2019 at 7 Ontario, Canada hospitals (4 academic, 3 community). Hysterectomies for invasive placentation, malignant, and premalignant indications were excluded. Primary outcome was rate of unexpected malignancy as defined by the number of patients with malignancy on final pathology divided by the total number of hysterectomy cases. Data was extracted from health records and electronic charts. Patient, surgical, and surgeon characteristics were compared between benign and UM groups using bivariate methods. Associations between UM status and perioperative variables were assessed using bivariate logistic regression. RESULTS: In the study period, 2779 hysterectomies were performed. UM incidence was 1.8% (51 malignancies/2779 cases), with one patient having two malignancies (total UMs = 52). The most common UM types were endometrial (27/52, 51.9%) and sarcoma (13/52, 25%). Patients with UM were older (57.2 ± 11.4 years vs. 52.8 ± 12.5 years, p = .015), had more previous laparotomies (2 (1.25, 2.0) vs. 1 (1.0, 1.0), p < .001), and higher BMI (29.7 ± 7.2 kg/m2 vs. 28.0 ± 5.9 kg/m2, p = .049) and ASA class (p < .028). Regarding surgical factors, patients with UM had more adhesions (p = .001), transfusions (p = .020), and blood loss (p = .006) compared to those with benign pathology. Patient characteristics most strongly associated with UM were age (OR 2.57, 95% CI 1.78-3.72, p < .001) and preoperative diagnosis of pelvic mass (OR 2.76, 95% CI 1.11-6.20, p = .019). CONCLUSION: Incidence of UM at hysterectomy for benign indication was 1.8%. Several perioperative variables are associated with an increased chance of UM.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».