Predicting reactive gastrostomy-tube placement after head and neck free flap reconstruction
Notice bibliographique
Résumé
OBJECTIVES: The objectives of the study are: 1) to analyze the factors associated with post-operative placement of gastrostomy tube (G-tube) in head and neck reconstruction patients, and 2) to create a simple scoring system that can predict G-tube dependence. MATERIALS AND METHODS: Patients who underwent head and neck free tissue transfer at the author's institution from January 2015-May 2021 were identified. Data on patient characteristics, clinical outcomes, and G-tube placement were collected. Two regression models were developed, a comprehensive model including all significant clinical variables and a practical model including the most predictive variables. RESULTS: We identified 525 head and neck free tissue transfer patients, of whom 63 (12%) required G-tube placement. The comprehensive model revealed a ROC curve AUC of 0.897 and identified the following significant variables: age (OR 1.04, 1.01-1.08 95% CI), CCI (OR 1.35, 1.14-1.62 95% CI), primary lesion site: oropharynx (OR 4.58, 1.68-12.3 95% CI), flap harvested: ALT (OR 3.69, 1.46-9.33, 95% CI), tracheostomy (OR 4.04, 1.41-13.4 95% OR), and bilateral neck dissection (OR 2.33, 0.99-5.39 95% CI). Based on these variables, a simple 9-point scoring system was created to assess the risk of post-operative G-tube dependence and could accurately make predictions in up to 92.3% of patients. CONCLUSION: Risk factors for G-tube dependence were identified using the largest single-center database of head and neck reconstruction patients. This is the first report of the association of ALT free flaps and G-tube dependence. The proposed scoring system could be implemented prospectively to help determine prophylactic G-tube placement.
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 ».