A Clinical Prediction Model for Prognosticating Salvage of the Infected Implant in Alloplastic Breast Reconstruction
Notice bibliographique
Résumé
BACKGROUND: Periprosthetic infection (PPI) is a complication of alloplastic breast reconstruction that can result in reconstructive failure, delay of adjuvant therapies, and reoperation. Despite multiple observational cohort studies, optimal PPI management remains unclear. The aim of this study was to develop a clinical prediction tool to guide clinical management. METHODS: A multicenter retrospective cohort study was conducted. Consecutive patients with breast cancer who underwent immediate alloplastic breast reconstruction between 2010 and 2020 were included. Collected data included patient, oncologic, and reconstructive factors for patients whose postoperative course was complicated by cellulitic infection or PPI. Two models were created for prediction of progression from cellulitis to PPI and from breast infection to reconstructive failure. RESULTS: A total of 1438 patients (2165 breasts) were included. The incidence of infection was 7.1% ( n = 145). Implant reconstruction was salvaged in 67.1% ( n = 104) of cases. The first model, predicting progression from cellulitis to PPI, had good predictive accuracy, with an area under the receiver operating characteristic curve of 0.61 (95% CI, 0.53 to 0.70; P < 0.001). The second model, predicting progression to reconstructive failure, also had good predictive accuracy, with an area under the receiver operating characteristic curve of 0.79 (95% CI, 0.71 to 0.87; P < 0.001). CONCLUSIONS: This study presents novel clinical prediction tools with good predictive accuracy. Application of these prediction tools can assist the clinician in making evidence-based management decisions for treatment of PPI after alloplastic breast reconstruction. Future research will aim to prospectively validate treatment algorithms and improve reconstructive success.
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 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 | 0,001 |
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 ».