A risk calculator for <scp>postoperative</scp> urinary retention (<scp>POUR</scp>) following vaginal pelvic floor surgery: multivariable prediction modelling
Notice bibliographique
Résumé
OBJECTIVE: To determine the perioperative characteristics associated with an increased risk of postoperative urinary retention (POUR) following vaginal pelvic floor surgery. DESIGN: A retrospective cohort study using multivariable prediction modelling. SETTING: A tertiary referral urogynaecology unit. POPULATION: Patients undergoing vaginal pelvic floor surgery from January 2015 to February 2020. METHODS: Eighteen variables (24 parameters) were compared between those with and without POUR and then included as potential predictors in statistical models to predict POUR. The final model was chosen as the model with the largest concordance index (c-index) from internal cross-validation. This was then externally validated using a separate data set (n = 94) from another surgical centre. MAIN OUTCOME MEASURE: Diagnosis of POUR following surgery while the patient was in hospital. RESULTS: Among the 700 women undergoing surgery, 301 (43%) experienced POUR. Preoperative variables with statistically significant univariate relationships with POUR included age, menopausal status, prolapse stage and uroflowmetry parameters. Significant perioperative factors included estimated blood loss, volume of intravenous fluid administered, operative time, length of stay and specific procedures, including vaginal hysterectomy with intraperitoneal vault suspension, anterior colporrhaphy, posterior colporrhaphy and colpocleisis. The lasso logistic regression model had the best combination of internally cross-validated c-index (0.73, 95% CI 0.71-0.74) and a calibration curve that showed good alignment between observed and predicted risks. Using this data, a POUR risk calculator was developed (https://pourrisk.shinyapps.io/POUR/). CONCLUSIONS: This POUR risk calculator will allow physicians to counsel patients preoperatively on their risk of developing POUR after vaginal pelvic surgery and help focus discussion around potential management options.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».