Adverse In-Hospital Outcomes after Radical Prostatectomy in Leukemia History Patients
Notice bibliographique
Résumé
Introduction: Leukemia history affects some radical prostatectomy (RP) patients. Although its prevalence and effect as an adverse risk factor are well known in cardiac surgery, the number of RP patients with a leukemia history, as well as their rate of adverse in-hospital outcomes, are unknown. Methods: We identified RP patients (National Inpatient Sample 2000–2019), stratified according to the presence or absence of a leukemia history. Descriptive analyses, propensity score matching (PSM, ratio 1:10), and multivariable logistic regression models were used. Results: Of 259,939 RP patients, 416 (0.2%) had a leukemia history. Their proportion increased from 0.1 to 0.2% covering the study span (p < 0.01). Leukemia history patients were older (median age, 64 vs. 62 years, p < 0.001). After PSM for age, insurance status, ethnicity, pelvic lymph node dissection, and Charlson Comorbidity Index, leukemia history RP patients exhibited higher rates of acute kidney injury (<2.6 vs. 0.9%; Odds Ratio [OR] 2.0, p = 0.02), more frequently underwent dialysis (3.6 vs. 1.9%; OR 1.9, p = 0.03), and more frequently had a length of stay exceeding one week (4.8 vs. 2.5%; OR 2.0, p = 0.006). Conclusions: Although leukemia history RP patients are rare, their numbers have increased. Renal complications and extended hospital stays are more frequent in those individuals.
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 | 0,000 | 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 | 0,000 | 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) | 0,002 | 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 ».