Prediction for spontaneous passage of ureteral stones with indwelling ureteral stent: PASS score
Notice bibliographique
Résumé
PURPOSE: To develop a predictive model for the spontaneous passage of ureterolithiasis in patients with indwelling ureteral stents. METHODS: In this retrospective cohort study, we reviewed all patients with ureterolithiasis who underwent ureteral stent placement at our institution from 2015 to 2021. Stone Characteristics, including stone location, density, shape, and diameter, were evaluated using computed tomography (CT). Low-density was defined as < 1000 Hounsfield units (HU). Spontaneous stone passage (SSP) was determinded by follow-up CT imaging or ureteroscopy. Multivariable logistic regression with backward selection was applied to identify predicts of SSP and to construct a predictive model. RESULTS: Among 401 patients, 97 (24.2%) experienced SSP after a median follow-up of 26 days (Interquartile Range [IQR] 23-32). Independent predictors for SSP included low stone density < 1000 (Odds Ratio [OR] 7.45, 95% Confident Interval [CI] 2.79-25.94, p = < 0.001), location at the ureterovesical junction (OR 5.28, 95% CI 2.66-10.93, p = < 0.001), mid to distal ureteral location (OR 2.08, 95% CI 1.03-4.31, p = 0.013) and stone diameter ≤ 5 mm (OR 3.42, 95% CI 1.58-7.94, p = < 0.001). Using these predictors, we developed a three-item PASS Score to estimate the probability of SSP. CONCLUSION: Approximately a quarter of ureteral stones passed spontaneously within 4 weeks of stent placement. The PASS score provides a practical tool for clinicians to estimate the likelihood of SSP and guide personalized treatment planning. External validation is required to confirm its clinical utility.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».