P-POSSUM Falls Short: Predicting Morbidity in Ovarian Cancer (OC) Cytoreductive Surgery
Notice bibliographique
Résumé
Objective: The P-POSSUM scale is widely used in predicting perioperative morbidity and mortality. Evidence on the performance of P-POSSUM in predicting outcomes after cytoreductive surgery (CRS) for ovarian cancer (OC) is limited. In this study, we assess how well P-POSSUM predicts morbidity in OC CRS and explore whether incorporating additional clinical variables can enhance its predictive accuracy. We retrospectively collected data on consecutive patients undergoing OC CRS within a tertiary gynaecologic oncology network. The collected information included demographic characteristics, P-POSSUM morbidity and mortality scores, Edmonton Frail Scale (EFS) scores, preoperative serum albumin levels, and observed 30-day postoperative morbidity and mortality, classified using the Clavien–Dindo (CD) scale. The predictive performance of P-POSSUM was evaluated using receiver operating characteristic (ROC) curves to calculate sensitivity and specificity. A stepwise regression analysis was then applied to identify additional variables that could improve model performance, incorporating preoperative covariates. The final model incorporated parameters chosen through bootstrap investigation of the model variability (stepAIC). Predicted versus observed morbidity was calibrated and performance compared between P-POSSUM and the final model. Results: Of 161 sequential OC patients, 95 (59%) underwent primary, 45 (28%) interval, and 21 (13%) delayed CRS. The mean age was 66.4 (95%CI: 60–75) and duration of surgery was 223 mins (95%CI: 142–279). Sixty-five (40.3%) patients had ≥1 postoperative complication. Two deaths were reported. Among the observed complications, 4 patients (6.1%) experienced CD4, 10 patients (15.3%) CD3, 38 patients (58.5%) CD2, and 11 patients (16.9%) CD1 events. The mean P-POSSUM-predicted morbidity and mortality were 59.5% (95%CI: 56.7–62.3%) and 5.86% (95%CI: 5.02–6.70%), respectively. The area under the curve (AUC) for P-POSSUM in predicting morbidity and mortality was 0.539 (p = 0.401) and 0.569 (p = 0.137), respectively. Given the small number of deaths, no robust conclusions regarding mortality are possible. EFS and BMI emerged as significant predictors of observed morbidity using a stepwise-model selection process. The AIC of this final model was 211.44. Our final model of PPOSSUM + EFS + BMI had AUC = 0.6551 (Delong’s Z = 1.8845, p-value = 0.05949). Conclusions: The P-POSSUM scale shows poor performance for predicting morbidity in OC CRS. New validated and accurate model(s) are necessary for predicting surgical morbidity. Our proposed model incorporates additional variables to improve P-POSSUM’s performance. This requires further development and validation.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».