Impact of soft pancreas on pancreaticoduodenectomy outcomes and the development of the preoperative soft pancreas risk score
Notice bibliographique
Résumé
Backgrounds/Aims: Pancreatic texture is difficult to predict without palpation. Soft pancreatic texture is associated with increased post-operative complications, including postoperative pancreatic fistula (POPF), cardiac, and respiratory complications. We aimed to develop a calculator predicting pancreatic texture using patient factors and to illustrate complications from soft pancreatic texture following pancreaticoduodenectomy. Methods: Data was collected from the 2016 to 2021 American College of Surgeons National Surgical Quality Improvement database including 17,706 pancreaticoduodenectomy cases. Patients were categorized into two cohorts based on pancreatic texture (9,686 hard, 8,020 soft). Multivariable modeling assessed the impact of patient factors on complications, mortality, and pancreatic texture. These preoperative factors were integrated into a risk calculator (preoperative soft pancreas risk score [PSPRS]) that predicts pancreatic texture. Results: < 0.001) were independently associated with a soft pancreas. PSPRS ≥6 correctly identified >40% of patients preoperatively as having a hard pancreas (68.9% specificity). Conclusions: A soft pancreas was independently associated with serious postoperative complications. Our results were integrated into a risk calculator predicting pancreatic texture from preoperative patient factors, potentially enhancing preoperative counseling and surgical decision-making.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».