Benchmarks in Liver Resection for Intrahepatic Cholangiocarcinoma
Notice bibliographique
Résumé
Abstract Introduction Benchmarking in surgery has been proposed as a means to compare results across institutions to establish best practices. We sought to define benchmark values for hepatectomy for intrahepatic cholangiocarcinoma (ICC) across an international population. Methods Patients who underwent liver resection for ICC between 1990 and 2020 were identified from an international database, including 14 Eastern and Western institutions. Patients operated on at high-volume centers who had no preoperative jaundice, ASA class <3, body mass index <35 km/m 2 , without need for bile duct or vascular resection were chosen as the benchmark group. Results Among 1193 patients who underwent curative-intent hepatectomy for ICC, 600 (50.3%) were included in the benchmark group. Among benchmark patients, median age was 58.0 years (interquartile range [IQR] 49.0–67.0), only 28 (4.7%) patients received neoadjuvant therapy, and most patients had a minor resection ( n = 499, 83.2%). Benchmark values included ≥3 lymph nodes retrieved when lymphadenectomy was performed, blood loss ≤600 mL, perioperative blood transfusion rate ≤42.9%, and operative time ≤339 min. The postoperative benchmark values included TOO achievement ≥59.3%, positive resection margin ≤27.5%, 30-day readmission ≤3.6%, Clavien-Dindo III or more complications ≤14.3%, and 90-day mortality ≤4.8%, as well as hospital stay ≤14 days. Conclusions Benchmark cutoffs targeting short-term perioperative outcomes can help to facilitate comparisons across hospitals performing liver resection for ICC, assess inter-institutional variation, and identify the highest-performing centers to improve surgical and oncologic outcomes.
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 | 0,000 | 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 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 ».