BJS01 Propensity score analysis of prognostic benefit of prehabilitation in Upper Gastro-Intestinal cancer surgery
Notice bibliographique
Résumé
Abstract Background Risk profile assessment by prehabilitation (prehab) is an important emerging policy in patients with suspected cancer. This study aimed to determine the value of prehab at index consultation in Upper Gastro-Intestinal (UGI) cancer with the hypothesis that prehab would improve outcomes. Methods Consecutive 907 patients were studied prospectively (182 receiving prehab) and outcomes were compared with historical controls, incorporating a propensity score analysis. Primary outcomes were operative morbidity, mortality, Length of Hospital Stay (LoHS), clinical effectiveness related to Quality-Adjusted Life Years (QALYs) to price a treatment’s cost-effectiveness and Overall Survival (OS). Results After regression for confounding factors, a cohort of 907 patients was available, with 182 receiving prehab (median age 67 y, 128 Oesophageal (OC), 54 Gastric Cancer (GC)) and 725 control therapy [67 y, 410 OC, 315 GC]. Prehab operative morbidity (Clavien-Dindo ³ 3) and mortality were 18.1 and 1.6% vs. 20.4 (p=0.215) and 2.5% (p=0.484) in controls and median LoHS 11 vs. 13 days (p=0.007). Two-year OS after prehab was 67.9 vs. 59.1% in controls (p=0.027). Multivariable analysis revealed that prehab (HR 0.647, p=0.026), positive resection margin (HR 1.345, p=0.036), peri-operative Acute Kidney Injury (HR 2.645, p<0.001) and pTNM stage; stage II (HR 2.159, p=0.037), stage III (HR 4.234, p<0.001) and stage IV (HR 5.892, p<0.001), were associated with OS. The cost per QALY for OC was £8,851 and GC £7,614. Conclusion Prehab was associated with two-day shorter LoHS and 9% better OS, supporting the hypothesis that prehab is an important cost-effective strategy related to NICE guidance.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».