Lipase-to-Amylase Ratio for the Prediction of Clinically Relevant Postoperative Pancreatic Fistula Following Pancreaticoduodenectomy
Notice bibliographique
Résumé
OBJECTIVE: Postoperative pancreatic fistula (POPF) represents a leading cause of morbidity and mortality following major pancreatic resections. This study aimed to evaluate the use of postoperative drain fluid lipase-to-amylase ratio (LAR) for the prediction of clinically relevant fistulae (CR-POPF). METHODS: Consecutive patients undergoing pancreaticoduodenectomy between 2017 and 2021 at a tertiary centre were retrospectively reviewed. Univariable and multivariable analyses were performed to identify predictors for CR-POPF (ISGPS grade B/C). Receiver operating characteristic (ROC) curve analyses were conducted to evaluate the performance of LAR and determine optimum prediction thresholds. RESULTS: Among 130 patients, 28 (21.5%) developed CR-POPF. Variables positively associated with CR-POPF included soft gland texture, acinar cell density, diagnosis other than PDAC or chronic pancreatitis, resection without neoadjuvant therapy, and postoperative drain fluid lipase, amylase, and LAR (all P <0.05). Multivariable regression analysis identified LAR as an independent predictor of CR-POPF ( P <0.05). ROC curve analysis showed that LAR had moderate ability to predict CR-POPF on POD1 (AUC,0.64; 95%CI,0.54-0.74) and excellent ability on POD3 (AUC,0.85; 95%CI,0.78-0.92) and POD 5 (AUC,0.86; 95%CI,0.79-0.92). Optimum thresholds were consistent over PODs 1 to 5 (ratio>2.6) and associated with 92% sensitivity and 46% to 71% specificity. CONCLUSIONS: Postoperative drain fluid LAR represents a reliable predictor for the development of CR-POPF. With early prognostication, the postoperative care of patients at risk of developing high-grade fistulas may be optimized.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».