Predictors and associations of complications in ureteroscopy for stone disease using AI: outcomes from the FLEXOR registry
Notice bibliographique
Résumé
We aimed to develop machine learning(ML) algorithms to evaluate complications of flexible ureteroscopy and laser lithotripsy(fURSL), providing a valid predictive model. 15 ML algorithms were trained on a large number fURSL data from > 6500 patients from the international FLEXOR database. fURSL complications included pelvicalyceal system(PCS) bleeding, ureteric/PCS injury, fever and sepsis. Pre-treatment characteristics served as input for ML training and testing. Correlation and logistic regression analysis were carried out by a multi-task neural network, while explainable AI was used for the predictive model. ML algorithms performed excellently. For intraoperative PCS bleeding, Extra Tree Classifier achieved the best accuracy at 95.03% (precision 80.99%), and greatest correlation with stone diameter(0.21) and residual fragments(0.26). PCS injury was best predicted by RandomForest (accuracy 97.72%, precision 63.50%). XGBoost performed best for ureteric injury (accuracy 96.88%, precision 60.67%). Both demonstrated moderate correlation with preoperative characteristics. Postoperative fever was predicted by Extra Tree Classifier with 91.34% accuracy (precision 58.20%). Cat Boost Classifier predicted postoperative sepsis with 99.15% accuracy (precision 66.38%), and the best overall performance. At logistic regression, postoperative fever/sepsis positively correlated with preoperative urine culture(p = 0.001). ML represents a powerful tool for automatic prediction of outcomes. Our study showed promises in algorithms training and validation on a very large database of patients treated for urolithiasis, with excellent accuracy for prediction of complications. With further research, reliable predictive nomograms could be created based on ML analysis, to serve as aid to urologists and patients in the decision making and treatment planning process.
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 | 0,001 |
| 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 ».