Volumetric Analysis of Renal Masses as Predictors of Partial Nephrectomy Outcomes
Notice bibliographique
Résumé
Objective: To examine the role of endophytic tumor volume (TV) assessment (endophycity) on perioperative partial nephrectomy (PN) outcomes. Patients and Methods: Retrospective review of 212 consecutive laparoscopic and open partial nephrectomies from single institution using preoperative imaging and 1-year follow-up. Demographics, comorbidities, RENAL nephrometry scores, and all peri- and postoperative outcomes were recorded. Volumetric analysis performed using imaging software, independently assessed by two blinded radiologists. Univariate and multivariate statistical analysis were completed to assess predictive value of endophycity for all clinically meaningful outcomes. Results: Among those undergoing minimally invasive surgery (MIS), lower tumor endophycity was associated with higher likelihood of trifecta outcome (negative surgical margin, <10% decline in estimated glomerular filtration rate, the absence of complications) irrespective of max tumor size. For MIS, estimated blood loss increased with greater tumor endophycity regardless of tumor size. Among those who underwent open partial nephrectomy, lower tumor endophycity was associated with trifecta outcomes for tumors >4 cm only. On multivariate analysis with log-scaled odds ratios (OR), tumor endophycity and total kidney volume had the strongest correlation with tumor-related complications (OR = 3.23, 2.66). The analysis identified that tumor endophycity and TV on imaging were inversely correlated with of trifecta outcomes (OR = 0.53 for both covariates). Conclusions: Volumetric assessment of tumor endophycity performed well in identifying PN outcomes. As automated imaging software improves, volumetric analysis may prove to be a useful adjunct in preoperative planning and patient counseling.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| 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 ».