Nomogram for prediction of adverse events after lumen‐apposing metal stent placement for drainage of pancreatic fluid collections
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To generate a prognostic model based on a nomogram for adverse event (AE) prediction after lumen-apposing metal stents (LAMS) placement in patients with pancreatic fluid collections (PFC). METHODS: Data from a large multicenter series of PFCs treated with LAMS placement were retrieved. AE (overall and excluding mild events) prediction was calculated through a logistic regression model and a nomogram was created and internally validated after bootstrapping. Results were expressed in terms of odds ratio (OR) and 95% confidence interval (CI). Discrimination was assessed by c-statistics and calibrated by comparing deciles of predicted and observed ORs. RESULTS: Overall, 516 patients were included (males 68%, mean age 61.6 ± 15.2 years). PFCs were predominantly walled-off necrosis (52.1%). Independent predictors of AE occurrence were injury of main pancreatic duct (OR in the case of leak 2.51, 95% CI 1.06-5.97, P = 0.03; OR in the case of complete disruption 2.61, 1.53-4.45, P = 0.01), abnormal vessels (OR in the case of perigastric varices 2.90, 1.31-6.42, P = 0.008; OR in the case of pseudoaneurysm 2.99, 1.75-11.93, P = 0.002), using a multigate technique (OR 3.00, 1.28-5.24; P = 0.05), and need of percutaneous drainage (OR 2.81, 1.03-7.65, P = 0.04). By nomogram, a score beyond 200 points corresponded to a 50% probability of AE occurrence. The model was confirmed even when excluding mild AEs and it showed optimal discrimination (c-index 76.8%, 95% CI 74-79), confirmed after internal validation. CONCLUSION: Patients with preprocedural evidence of pancreatic duct leak/disruption, vessel alteration, requiring percutaneous drainage or a multigate technique are at higher risk for AE.
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.
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 découle