A Prospective Evaluation of Different Frailty Indices in Patients Undergoing Transurethral Resection of Bladder Tumor
Notice bibliographique
Résumé
BackgroundMost studies investigating the relationship between preoperative frailty and postoperative outcomes among bladder cancer patients only assess frailty retrospectively in patients who have undergone radical cystectomy. Transurethral resection of bladder tumor (TURBT) is a commonly performed procedure in outpatient settings for a large number of bladder cancer patients. The prevalence of frailty among bladder cancer patients and its impact on postoperative complications and mortality are not well studied. MethodsTo assess the prevalence of frailty among bladder cancer patients planned for TURBT at a tertiary cancer center using the modified frailty index (mFI) and Risk Analysis Index (RAI) and further assess the impact of these indices on 30-day postoperative complications and mortality rates. ResultsBetween May 2020 and March 2021, 343 consecutive patients were enrolled. The mean age of the cohort was 64.8 ± 13.1 years, 86.6% were male, and 82% had non–muscle-invasive bladder cancer (NMIBC). The majority of the cohort (92%) was found to have low American Society of Anesthesiologists (ASA) score class (I + II), while 35.3% were labeled as frail using mFI 2+, and 32.1% based on RAI (III, IV). The 30-day readmission, postoperative complications, and mortality rates in this cohort were 3.8%, 2.3%, and 6.6%, respectively. RAI was a better indicator of mortality compared to mFI. As such, patients with low RAI score (I, II) had 0.054 odds for 30-day mortality compared to the patients with high RAI score (III, IV) (OR 0.054; CI 95%, 0.004 to 0.784; P = 0.033).Conclusion Frailty, as measured by Risk Analysis Index, is an independent predictor of early mortality in patients undergoing TURBT. Preoperative frailty assessment may improve risk stratification and patient counseling prior to surgery.
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 | 0,000 |
| 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 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 ».