Risk Factors for Postoperative Nausea and Vomiting After TACE: A Prospective Cohort Study
Notice bibliographique
Résumé
Objective: Postoperative nausea and vomiting (PONV) was one of the common complications in patients with HCC who had undergone TACE. This study was a prospective analysis of patient data to investigate risk factors for PONV in patients after TACE. Material and Methods: Data were collected from 212 patients undergoing TACE in the interventional department between August 2022 and August 2023. Including: gender, age, education, BMI, operation time, concomitant underlying diseases and drugs, preoperative limosis, history of nausea and vomiting, history of kinetosis, history of smoking or drinking, and occurrence of PONV. A visual analog scale was used to measured pain. Neuropsychological status was also assessed, using the 7-item Generalized Anxiety Disorder Questionnaire (GAD-7) and the Patient Health Questionnaire-9(PHQ-9). To identify risk factors for PONV, multiple logistic regression analysis was used. The receiver operating characteristic (ROC) curve was plotted to assess the regression model. The clinical trial number did not apply in the study. Results: In this study, 212 out of a total of 904 patients with HCC undergoing TACE during their hospital stay were included for analysis. Among the included patients, the incidence of PONV was as high as 42% (89/212). Multiple logistic regression analysis showed that chronic gastritis (odds ratio [OR] = 10.350; p = 0.020), VAS (OR = 3.835; p = 0.003), epirubicin (OR = 26.685; p < 0.001), and the dosage of lipiodol (≥5 mL) (OR = 1.385; p < 0.001) were independent risk factors of PONV after TACE. The ROC curve demonstrated that the AUC was 0.902, the sensitivity was 84.3%, and the specificity was 87%. Conclusions: PONV is highly prevalent among patients with HCC after TACE. Chronic gastritis, pain, epirubicin, and the dosage of lipiodol were independent risk factors for PONV. The risk prediction model that was constructed according to the aforementioned factors demonstrated good discriminatory capacity for predicting the risk of post-TACE PONV, which can improve the recognition of medical providers, and has a good ability to prevent and treat nausea and vomiting.
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 ».