Evaluating NSQIP Outcomes According to the Clavien–Dindo Classification: A Model to Estimate Global Outcome Measures Following Hepatopancreaticobiliary Surgery
Notice bibliographique
Résumé
Background: The National Surgical Quality Improvement Program (NSQIP) database provides one of the largest repositories of surgical outcome data—guiding local, national, and international quality improvement and research. We aim to describe a model to estimate Clavien–Dindo complication (CDC) rates from NSQIP data to enable comprehensive outcome measurement, allowing an NSQIP-based surrogate measure for longer-term outcomes. Methods: This is a validation study of a model to estimate CDCs from NSQIP data for pancreaticoduodenectomy (PD) and hepatic resection (HR). The primary objective of this study is to evaluate whether our method to estimate CDCs ≥ 3 outcomes from NSQIP data results in similar serious complication rates to large benchmark studies on outcomes following PD and HR. Secondary outcomes evaluate whether specific NSQIP outcomes provide adequate information to estimate CDC grades I-V following PD and HR. Results: We evaluated 20,575 patients undergoing PD, with 71.3% having pancreatic ductal adenocarcinoma. Comparing CDCs ≥ 3 complications for NSQIP and benchmark PD patients, we estimated a 23.2% rate with our model, which was significantly lower than the reported 27.6% in the benchmark study (p < 0.001). Additionally, the benchmark reported higher complication rates for every CDC grade compared to our estimates using NSQIP PD patients (p < 0.001). Further, we evaluated 29,809 patients within NSQIP undergoing HR, where most patients with a diagnosis listed had colorectal cancer metastases (30.8%). Compared to the benchmark HR study (n = 2159), the NSQIP patients were less likely to have hepatic resection for malignancy (57.7% vs. 84.0%; p < 0.001). Comparing CDCs ≥ 3 complications following HR demonstrated that rates were clinically similar (13.0% vs. 15.8%) but statistically different between the benchmark study and NSQIP data (p < 0.001). Additionally, the NSQIP patients had lower rates of estimated complications for nearly all CDC grades (p < 0.001). Conclusions: This is the first reported method to estimate aggregate morbidity from NSQIP data. Results demonstrate that despite differences in this and comparator cohorts, this model may underestimate CDC grade 1–2 complications but provide similar rates of CDCs ≥ 3 complications compared to benchmark studies. Future studies to validate or modify this estimation method are warranted and may allow extrapolation of short-term NSQIP measures to oncologic, quality of life, and long-term outcomes.
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 | 0,016 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».