Factors Associated With Pericardial Effusion and Mortality in Renal Cancer Patients
Notice bibliographique
Résumé
Purpose: This study aims to identify determinants of pericardial effusion (PCE) in patients with renal cancer and predictors of in-hospital mortality in patients with renal cancer and PCE.Materials and Methods: We conducted a retrospective cohort study using National Inpatient Sample of patients with primary malignant renal cancer data from 2016–2020. A total of 85,288 patients were included in the analysis, of which 763 (0.90%) presented with PCE. The main outcomes of interest were the presence of PCE and the in-hospital mortality rate in patients with renal cancer and PCE.Results: The majority of our cohort are aged ≥40 years (96.79%) and males (64.57%). In the bivariate analysis, patients <40 years had higher odds of PCE (adjusted odds ratio [aOR], 1.82; 95% confidence interval [CI], 1.23–2.63). Non-Hispanic Black (aOR, 1.59; 95% CI ,1.30–1.94) and Hispanic patients were associated with an increased odd of PCE odds ratio. Higher Elixhauser comorbidity index (≥4: aOR, 2.27; 95% CI, 1.66–3.08), hypoproteinemia (aOR, 1.49; 95% CI, 1.22–1.81), heart failure (aOR, 2.15; 95% CI 1.83–2.55), metastatic disease (aOR, 1.36; 95% CI, 1.15–1.62), and severe disease presentation (aOR, 6.35; 95% CI, 4.82–8.36) were also significant predictors of PCE. Private insurance was associated with higher PCE odds (aOR, 1.43; 95% CI, 1.20–1.70). Among PCE patients, the in-hospital mortality rate was 13.37%. Self-pay insurance status (aOR, 3.82; 95% CI, 1.05–13.95), metastatic disease (aOR, 1.76; 95% CI, 1.07–2.96), and severe disease presentation (aOR, 3.46; 95% CI, 1.05–8.58) significantly predicted increased mortality.Conclusion: This study identifies crucial demographic, clinical, and healthcare system factors associated with PCE and in-hospital mortality in renal cancer patients. These findings highlight the need for increased vigilance and tailored surveillance for vulnerable groups and those with higher comorbidity burdens.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».