Predictors of complication after groin dissection: a single-centre experience
Notice bibliographique
Résumé
Background: Inguinal lymphadenectomy (ILND) has historically been associated with substantial morbidity. The objective of this study was to obtain contemporary ILND morbidity rates and to identify potentially preventable risk factors. Methods: We carried out a retrospective review of medical records for all superficial, deep, and combination groin dissections performed at a single, high-volume academic centre between January 2007 and December 2020. We collected data points for patient, disease, and surgery characteristics, and cancer outcomes. The outcome of interest was any complication within 30 days of surgery. Complications included wound infection, wound necrosis or disruption, seroma, drainage procedure, hematoma, and lymphedema. We performed multivariate logistic regression using SAS version 9.4. Results: We identified 139 patients having undergone 89 superficial, 12 deep, and 38 combined dissection types, respectively. Melanoma accounted for 84.9% of cases. Of these patients, 56.1% had an adverse postoperative event within 30 days. Increasing age (odds ratio [OR] 1.04, 95% confidence interval [CI] 1.01–1.07, p < 0.01) and number of positive lymph nodes harvested (OR 1.22, 95% CI 1.00–1.50, p = 0.05) were associated with more complications. Patients with deep dissection showed a lower likelihood of complications than those with superficial dissection (OR 0.15, 95% CI 0.03–0.84, p < 0.05). Conclusion: Complication rates after ILND remain high. We identified a number of risk factors, providing opportunities for better selection and prevention.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».