A becsült glomeruláris szűrési sebesség csökkenése 1 évvel a minimálisan invazív részleges nephrectomia után: a prediktorok multimodell összehasonlítása

Absztrakt

1.Háttér

A részleges nephrectomia (PN) utáni hosszú távú veseműködést nehéz megjósolni, mivel számos módosítható és nem módosítható változó befolyásolja, gyakran összetett összefüggésekbe fonódva.

2. Célkitűzés

A PN utáni hosszú távú veseműködést befolyásoló változók azonosítása és relatív súlyuk felmérése.

3. Tervezés, beállítás és résztvevők

Összesen 457 beteget azonosítottak egy többközpontú nemzetközi adatbázisból, akiknél robotos (n=412) vagy laparoszkópos PN-n (n=45) esett át.

4. Eredménymérés és statisztikai elemzés

Az 1-év becsült glomeruláris filtrációs ráta (eGFR) százalékos vesztesége (1YPL), amelyet az eGFR százalékos változásaként határoztak meg a kiindulási értékhez képest 1 évvel a műtét után, volt az eredmény végpontja. Az értékelt előrejelzők közé tartoztak a demográfiai adatok, a daganat jellemzői, valamint a műtéti és posztoperatív változók. A kovariancia Bayes-féle multimodel-analízisét használtuk az összes lehetséges modell felépítéséhez, és az egyes modellek illeszkedését az adatokhoz a modell Bayes-tényezőin keresztül. A Bayes-féle modell átlagolását alkalmaztuk az egyes prediktorok támogatásának számszerűsítésére az inklúziós Bayes-faktoron (BFincl) keresztül. A prediktorok közötti feltételes függetlenség hálózati elemzésére nagydimenziós irányítatlan gráfbecslést használtunk.

5. Eredmények és korlátok

Számos modellt találtak elfogadhatónak az 1YPL becslésére. A legjobb modell, amely magában foglalja a posztoperatív eGFR százalékos veszteséget (PPL), a nemet, az ischaemia technikát és a preoperatív eGFR-t, 207-szer nagyobb valószínűséggel volt, mint az összes többi modell a relatív prediktív teljesítmény tekintetében. Alkatrészei a legjobb 44 modell részei voltak, és a legmagasabb BFincl-értéket jelezték előre. A hideg ischaemia, a szoliter vese állapot, a sebészi tapasztalat és a renográfia típusának szerepét nem értékelték.

6. Következtetések

A preoperatív eGFR, a szex, az ischaemia technika és a PPL az eGFR százalékos csökkenésének legjobb előrejelzője 1 évvel a minimálisan invazív PN után. Más prediktorok irrelevánsaknak tűnnek, mivel befolyásuk jelentéktelen, vagy már beágyazódott e négy paraméter hatásába.

7. Beteg összefoglaló

A veseműködés a vese részleges eltávolítása után 1 évvel függ a nemtől, a vese véráramlásának megállítására alkalmazott technikától a műtét során, valamint a veseműködéstől a kiinduláskor és a korai posztoperatív időszakban.

Kattintson ide, hogy megtudja, milyen hatásai vannak a Cistanche-nak a vesére

Bevezetés

A részleges nephrectomia (PN) a T1 vesetömegek standard kezelése [1]. A radikális nefrektómiához képest a PN a krónikus vesebetegség (CKD) alacsonyabb előfordulási gyakoriságával jár, miközben hasonló onkológiai és biztonsági eredményeket tart fenn [2]. A veseműködés megőrzése kritikus fontosságú azoknál a betegeknél, akiknél már fennálló társbetegségek, szoliter vese rosszindulatú daganatok vagy kétoldali rákos megbetegedések szenvednek, mivel ez befolyásolhatja az egyéb okok miatti halálozás kockázatát [3].

A PN utáni azonnali és hosszú távú veseműködést számos módosítható és nem módosítható változó befolyásolja, beleértve a demográfiai, betegséggel kapcsolatos, intraoperatív és posztoperatív tényezőket, amelyek gyakran összetett összefüggésekbe fonódnak össze [4].

Ebben a tanulmányban arra törekedtünk, hogy azonosítsuk, mely változók befolyásolják a hosszú távú veseműködést, és felmérjük ezek relatív súlyát a becsült glomeruláris filtrációs ráta (eGFR) százalékos változásának meghatározásakor a minimálisan invazív PN után 1 évvel.

Bayes-féle multimodell-összehasonlítást alkalmaztunk a prediktorok összes lehetséges kombinációjának prediktív teljesítményének objektív összehasonlítására, miközben egyensúlyba hozta a becslési hibákat és a túlillesztési kockázatokat. A Bayes-féle modellátlagolás segítségével minden egyes prediktort súlyozni lehetett az összes modellben, és információkat lehetett adni az általános prediktív teljesítményükről és valószínőségükről.

Betegek és módszerek

1. Betegpopuláció

Nemzetközi, többközpontú, intézményi felülvizsgáló bizottság által jóváhagyott, retrospektív vizsgálatot végeztek, amely 2013 és 2019 között öt akadémiai intézményben (három Európából és kettő az USA-ból) laparoszkópos vagy robot-asszisztált PN-n átesett betegeket végeztek. A felvételi kritériumok a következők voltak: (1) lokalizált vese daganattal (T1 vagy T2) diagnosztizált felnőtt betegek; (2) robot- vagy laparoszkópos PN-n esik át; és (3) a műtét előtti és posztoperatív jellemzők teljes leírásával, beleértve a legfeljebb 1- éves követési adatokat. A következő kizárási kritériumokat alkalmaztuk: (1) radikális nephrectómián vagy nem sebészeti kezelésen átesett betegek; (2) gyermekgyógyászati ​​betegek; és (3) olyan betegek, akiknek veséjük átültetett, vagy akiknek a kórtörténetében több PN szerepel ugyanabban a vesében.

2. Adatgyűjtés A demográfiai adatok és a kiindulási jellemzők közé tartozott az életkor, a nem, az etnikai hovatartozás, a magas vérnyomás, a diabetes mellitus állapota, a testtömeg-index, az American Society of Anesthesiologists pontszáma, a magányos vese állapota és a műtét előtti hemoglobin. Az eGFR-t a CKD-Epidemiology Collaboration egyenlet segítségével számítottuk ki. A magas vérnyomást 140 Hgmm vagy annál nagyobb szisztolés vérnyomásként vagy 140 Hgmm-nél nagyobb diasztolés vérnyomásként határozták meg.Nagyobb vagy egyenlő90 Hgmm, vagy vérnyomáscsökkentő gyógyszert szed. A daganatra és a műtéti részletekre vonatkozó információk a következők voltak: kóros daganat mérete, sugara, endofita, gyűjtőrendszer közelsége, elülső/hátulsó, hely (RENAL) pontszám, műtéti megközelítés, szorító technika, meleg ischaemiás idő (WIT), műtéti idő, becsült vérveszteség ( EBL) és intraoperatív szövődmények. A posztoperatív adatok közé tartozott az eGFR kibocsátáskor, a tartózkodás időtartama és a posztoperatív szövődmények. Az eGFR posztoperatív százalékos veszteséget (PPL) a kiindulási eGFR és az eGFR közötti százalékos különbségként számítottuk ki: (preoperatív eGFR - műtét utáni eGFR) * 100 / preoperatív eGFR.

A funkcionális kimenetel végpontja az 1-évi eGFR százalékos veszteség (1YPL) volt, amelyet az eGFR százalékos változásaként határoztak meg a kiindulási értékhez képest 1 évvel a műtét után: (eGFR 1 éves korban – preoperatív eGFR) *100 / preoperatív eGFR.

Cistanche kivonat

3. Statisztikai elemzés

Az 1YPL előrejelzésére kovarianciaanalízist (ANCOVA) végeztünk több folytonos és kategorikus változóval. A becslési hibákat és a túlillesztési kockázatot egyensúlyba hozó modellek objektív azonosítására Bayes-féle multimodell-összehasonlítást alkalmaztunk. A Bayes-statisztikában az előzetes hiedelmek (a modell előzetes eloszlása ​​és a paraméterek valószínűsége) frissítésre kerülnek az adatok valószínűségének az utólagos hiedelmekbe (utólagos eloszlások) való belefoglalásával. Az adatok valószínűsége az adatok relatív alátámasztása az alternatív hipotézisekhez, és Bayes-tényezők (BF) segítségével számszerűsítik. Az ANCOVA Bayes-féle multimodellel lehetséges az egyetlen modell használatából eredő bizonytalanság leküzdése, ha összehasonlítjuk a prediktorok összes lehetséges kombinációjának prediktív teljesítményét, és kiszámítjuk az egyes modellek relatív plauzibilitását a többihez képest. Ezen túlmenően a Bayes-féle modell átlagolása felhasználható az egyes prediktorok súlyozására az összes modellben, és információt szolgáltathat azok általános prediktív teljesítményéről és elfogadhatóságáról [5]. Első lépésben Bayes-féle modell-összehasonlítást végeztünk, és kiszámítottuk a P(M|data) utólagos modellvalószínűséget, hogy értékeljük az egyes modellek relatív plauzibilitását a teljes modelltérben; a BF (BFM) modellt használtuk a modell prediktív teljesítményének vagy a modell valószínűségének mutatójaként, amely azt méri, hogy az adatok hányszor fordulnak elő nagyobb valószínűséggel egy adott modellben, mint az összes többi a térben átlagolva. A BF01-et használtuk a vizsgált modellre vonatkozó legjobb modell relatív prediktív teljesítményének (valószínűségének) reprezentálására [6]. A P(M) modell előzetes valószínűségére egy egységes előzetes modellt választottunk, és azt állítottuk, hogy minden modell egyformán valószínű az adatok megtekintése előtt [7]. A második lépésben Bayes-féle átlagolási megközelítést alkalmaztunk annak kiválasztására, hogy melyik változó hasznos az 1YPL előrejelzésében, és számszerűsítettük az egyes prediktorok támogatását, mint a P(incl|data) utólagos beilleszkedési valószínűségét, amely annak valószínűsége, hogy a modellbe beépíthető. az adatok megfigyelése után. P(incl|data) a P(M|data) összege az adott változót tartalmazó modelleknél. Összehasonlítottuk a prediktorok prediktív teljesítményét a BFexcl-ben, amely a prediktort kizáró modellek és az azt tartalmazó modellek valószínűsége közötti arány. Ily módon az adatok BFexcl-szer nagyobb valószínűséggel fordulnak elő azoknál a modelleknél, amelyek nem tartalmaznak prediktort, mint az azt tartalmazó modelleknél. A BFincl a BFexcl reciproka. A százalékos hibát a BF-becsléshez kapcsolódó arányos hiba számszerűsítésére használták, és tükrözi az egyes BF-ek értékének előrejelzésének százalékos pontosságát. Beszámoltunk a modell által átlagolt hatásméretről is minden paraméterre (b regressziós együttható), hogy értékeljük az egyes prediktorok súlyát az 1YPL becslésében. A b átlagot úgy számítottuk ki, hogy a prediktorra feltételezett b értékeket átlagoltuk az összes modellben, és súlyoztuk a P(M|- adatokkal). A szórást (SD) és a becslések 95 százalékos hiteles intervallumát is közöljük. A b prior valószínűséghez a Jeffrey-Zellner-Siow eloszlást választottuk. A változók közötti kölcsönös függés magyarázatára a releváns prediktorok közötti feltételes függetlenség hálózatelemzését végeztük a nagydimenziós irányítatlan gráf becslési módszerrel; az így kapott aciklikus gráfban a változók csomópontként, a feltételes függőségek pedig élként jelennek meg [8]. Minden statisztikai elemzést JASP (0.14-es verzió; JASP Software Ltd., Warrington, UK) segítségével végeztünk.

Cistanche por

Vita

Ez a tanulmány azt mutatja, hogy számos modell alkalmas a veseelégtelenség előrejelzésére 1 évvel a minimálisan invazív PN után. Azt találtuk, hogy a legjobb modell magában foglalja a szexet, a preoperatív eGFR-t, az ischaemia technikát és a PPL-t. Az ezt a négy változót tartalmazó modellek mindegyike megnövekedett valószínűséget mutatott az adatok megtekintése után, és nagyobb prediktív teljesítményt mutatott, mint a többi változót vagy azok egy részét tartalmazó modellek. A modellátlagolás és a feltételes függetlenség hálózatelemzése megerősítette ezeket az eredményeket. Ezekkel a megállapításokkal kapcsolatban több pont részletesebb megfontolást érdemel.

Unlike most studies in the literature, we chose percentage eGFR loss to evaluate functional loss after minimally invasive PN. Several previous models used the ultimate eGFR or progression to stage III CKD as the endpoint [9–12]. Choice of a similar criterion might lead to deceptive results because the dependent variable is directly calculated from the same variables (ie, age, sex, or serum creatinine) that it is tested against. This always results in the identification of those variables as important predictors of the outcome. Other studies evaluated predictors of significant eGFR loss, defined as a reduction of >25 százalékkal az alapvonal eGFR-hez képest [13–15]. Ez a végpont feloldotta a fent említett korlátozást, mivel ezt nem feltétlenül befolyásolják az eGFR-képletekben használt változók. Mindazonáltal ezek a tanulmányok a prediktoroknak csak egy részhalmazát választották a relevánsnak ítélt kovariánsokat tartalmazó modell felépítéséhez. Következésképpen az összes korábbi tanulmányban a következtetést anélkül hajtották végre, hogy figyelembe vették volna az összes lehetséges modell közül csak egy modell használatából eredő bizonytalanságot; továbbá az egyes prediktorok súlya egy adott modellre volt jellemző, és nem adhat információt az adatok által szolgáltatott általános prediktív teljesítményről (valószínűségről) [5]. Ez a folyamat végső soron a modell pontosságának túlbecsléséhez vezethet, és torz becsléseket adhat.

A modelltér bizonytalanságát Bayes-féle modellátlagolás alkalmazásával vettük figyelembe, amelyben a modellek teljes skálája hozzájárul a becslésekhez és előrejelzésekhez. Ily módon összefoglalható az egyes prediktorok fontossága és következetessége. A nullához közeli átlagértékkel rendelkező regressziós együtthatók nagyon korlátozott jelentőséggel bírnak a független változó előrejelzésében; továbbá a null-effektust tartalmazó 95 százalékban hiteles intervallumú prediktorok a vizsgált modelltől függően ellenkezőleg befolyásolják az eredményt, így inkonzisztensnek bizonyulnak. Pontosabban, a regressziós együtthatók utólagos átlagának és 95 százalékban hiteles intervallumának kiszámítása azt mutatta, hogy a PPL, a preoperatív eGFR és a szex megtartotta prediktív teljesítményét a teljes modelltérben: a regressziós együtthatók lehetséges értékei mind a nulla felett vagy alatt voltak. hatás (b=0). Érdekes módon a nemre vonatkozó b értékek 4 és 0,4 között változtak, ami azt mutatja, hogy a férfi nem a vesefunkció védőfaktora, mivel csökkenti az 1YPL mértékét. Az összes többi változó megbízhatatlannak bizonyult, 95 százalékban hiteles intervallumban, amelynek szélső értékei ellentétes előjelűek voltak.

Previous studies tested the use of the acute kidney injury (AKI) categories of the Acute Dialysis Quality Initiative as predictors of long-term renal failure after PN. The Risk, Injury, Failure, Loss, and End-stage (RIFLE) criteria define AKI as an abrupt loss of kidney function resulting in a >Az eGFR 25 százalékos csökkenése a kiindulási értékhez képest [16]. Kimutatták, hogy az AKI növeli a mortalitás és a CKD kialakulásának kockázatát az alapbetegségben szenvedő betegeknél [17,18], de úgy gondolták, hogy ez nem befolyásolja ezeket az eredményeket, ha PN-ben szenvedő betegeknél fordul elő [19,20]. A legújabb tanulmányok azonban kimutatták, hogy az AKI jelenléte és időtartama is növeli a hosszú távú veseelégtelenség kockázatát ebben a betegtípusban [14,21]. Ennek ellenére előfordulhat, hogy a RIFLE-kritériumok nem megfelelőek a veseműtéten átesett betegeknél; ezeknél a betegeknél az eGFR növekedése mind a műtéti kivágásnak, mind az ischaemiás károsodásnak köszönhető, diagnosztikai és prognosztikai szempontból nehéz megkülönböztetni a relatív hozzájárulást [18].

Vizsgálatunkban nem használtunk határértéket az AKI meghatározásához; ehelyett az akut veseelégtelenséget a PPL szempontjából értékeltük. Ez a választás bizonyos előnyökkel járhat, beleértve a dichotomizáció negatív következményeinek elkerülését, például a hatás méretének elvesztését és a téves osztályozás kockázatát, lehetővé téve az összehasonlítást a hosszú távú eGFR más folyamatos kovariánsaival, és részletesebb előrejelzést ad a funkcionális helyreállításról [22].

Nemcsak azt erősítettük meg, hogy a PPL-nek észrevehető hatásai vannak a hosszú távú működésre, hanem azt is, hogy a PPL az 1YPL-t befolyásoló legfontosabb tényező. Az AKI-val ellentétben a PPL hasznosnak tűnik a hosszú távú funkcionális romlás előrejelzésére, még akkor is, ha az eGFR veszteség százaléka<25%; moreover, it is essential to precisely quantify the extent of PPL as a continuous variable, as it is linearly related to the outcome. An interesting difference between our study and the current literature is that PPL is a better predictor than all the other surgical variables tested, including WIT, tumor size, RENAL score, and EBL. In addition, all these variables showed little support from the data, because models that do not include them are more likely than models that use them as predictors. Finally, it should be considered that renal function decline related to postoperative acute injury could be influenced by consequent hypertrophy of the remnant healthy kidney parenchyma. Studies with longer follow-ups have shown that the impact of these modifiable parameters has a progressively lower influence on functional outcomes, while other comorbidities or de novo vascular diseases may have a significant impact on long-term outcomes [13,23].

Cistanche tubulosa

Számos tanulmány kimutatta, hogy a WIT kulcsfontosságú tényező az eGFR változás előrejelzésében [24–27]. Más tanulmányok leminősítették a szerepét, és arra a következtetésre jutottak, hogy amíg a WIT egy biztonságos küszöb alatt van (25–30 perc), időtartama nem befolyásolja jelentősen a hosszú távú eGFR-t [10,28–30].

A szakirodalom nagy része a megőrzött parenchymalis tömeg százalékos arányára (PPMP) mint a fennmaradó vesefunkció kulcsfontosságú tényezőjére összpontosít, a WIT pedig csak csekély szerepet játszik [28,31]. Például mind Simmons és munkatársai [10], mind Ginzburg és munkatársai [15] azt találták, hogy a PPMP és a kiindulási eGFR, de nem a WIT, egymástól függetlenül társult a PN utáni hosszú távú vesefunkcióhoz. Más szerzők azt találták, hogy a PPMP bevonása a többváltozós lineáris regresszióba a WIT jelentőségének elvesztéséhez vezetett az eGFR előrejelzésében 3 hónapos korban [31] vagy később [32]. Meg kell jegyezni, hogy a PPMP értékelés nem azonnali, és speciális háromdimenziós renderelő szoftvert igényel az intravénás kontrasztanyaggal végzett preoperatív és posztoperatív vese komputertomográfiás vizsgálatok összehasonlításához.

A WIT és a PPMP szorosan összefügg egymással, és nehéz szétválasztani [33]. A nagy és összetett daganatok általában nagy parenchymakivágással, kiterjedt devaszkularizációval és a rekonstrukció miatti másodlagos károsodással járnak [9,34,35]. Mindezek a tényezők a hosszabb WIT-hez és a kisebb PPMP-hez kapcsolódnak, amelyek viszont erősen kapcsolódnak a PPL-hez [35–37], így multikollinearitást okoznak ezen változók között. Ezt világosan mutatja a hálózati struktúra változó függőségre vonatkozó elemzése. Pontosabban, a hálózati gráf minden csomópontja egyetlen változót képvisel, és minden él két változó feltételes függőségét jelenti az összes többi változó mellett. Két kezdetben korreláltnak (azaz marginálisan függőnek) talált változó feltételesen függetlenné válhat (nincs közvetlen él a két csomópont között), ha korrelációjukat egy harmadik változó magyarázza, amely mindkettővel erősen összefügg. Például a PPL modellbe való bevezetése után a WIT és az 1YPL feltételesen függetlenné válik, mivel a WIT a PPL-en keresztül befolyásolja az eredményt. Ezen túlmenően, ha feltételesen független prediktorokat adunk egy olyan modellhez, amely már tartalmaz feltételes függő változókat, nem valószínű, hogy növelik a modell előrejelzését. Elemzésünkben a WIT-t és PPL-t egyaránt tartalmazó modellek rosszabbul teljesítettek, mint a csak PPL-t tartalmazó modellek, mivel a WIT 1YPL-re gyakorolt ​​hatása már beágyazott a PPL-hatásba.

Adatbázisunk nem rendelkezik teljes adatokkal a PPMP-re vonatkozóan, ezért ezt a változót nem értékeltük ki. A PPMP-nek azonban semmiféle előnye nem származhat modelljeinkből; Ha több, a PPMP-vel kapcsolatos változót, köztük a kóros méretet, a RENAL pontszámot és a tumor stádiumát [35] hozzáadtuk egy PPL-t tartalmazó modellhez, a származtatott modellek valószínűsége nem volt nagyobb. Más szóval, ezek a PPMP-hez kapcsolódó változók nem képesek megmagyarázni a maradék varianciát, ami rosszabb általános prediktív teljesítményt ér el. Ez nem jelenti azt, hogy a WIT és a PPMP ne lenne fontos a hosszú távú vesefunkció meghatározásában, de hatásuk nagy részét a PPL közvetíti, amely a műtét után 1 évvel az eGFR legjobb előrejelzője.

Az életkort, a magas vérnyomást, a testtömeg-indexet és a diabetes mellitus-t a krónikus vesebetegség kialakulásának kockázati tényezőiként azonosították, és ezek is szerepet játszhatnak a hosszabb távú funkcionális veszteségben [9,11,31]. Ellentétes eredményeket találtak a szex szerepére vonatkozóan [11,31,38]. Úgy gondoljuk, hogy ezeket az eredményeket erősen befolyásolhatja a vizsgálat felépítése és a végpont megválasztása, mivel mindegyik alacsonyabb kiindulási vesefunkcióval jár. Felmértük a klinikai változók, köztük az életkor, a cukorbetegség, az elhízás, a magas vérnyomás és a preoperatív hemoglobin szerepét az 1YPL meghatározásában. A modellátlagoló elemzés azt mutatta, hogy csak az életkor volt összefüggésben az 1YPL-vel; hatását nagyrészt a PPL közvetíti, és ha független prediktorként adjuk hozzá, marginális hatása megmarad.

Egyes tanulmányok azt sugallják, hogy az artériaágak szelektív szorítása [39] vagy a zero-ischaemia megközelítés [40] szignifikánsan nagyobb esélyt ad a parenchyma megkímélésére, mint a hilar clamping. Eredményeink azt mutatják, hogy az ischaemia technika az 1YPL hasznos előrejelzője, amint azt a 29,4-es BFincl mutatja, ami azt jelenti, hogy bevonása közel 30--szeresére növelte a modellek prediktív teljesítményét.

Számos jelentés nem talált szignifikáns különbséget az eGFR csökkenésében a sebészeti megközelítések között [31, 38, 41]. Vizsgálatunk megerősíti ezeket a megállapításokat, bemutatva, hogy az adatok kisebb valószínűséggel fordultak elő a sebészeti technikát prediktorként tartalmazó modellek csoportjában.

Tanulmányunkat számos korlát jellemzi. Ez egy retrospektív vizsgálat, így a kiválasztási és kimutatási torzítások nem zárhatók ki. Populációnk nagy volumenű központokból érkezett, és minden PN-t nagy tapasztalattal rendelkező sebészek végeztek; ezért megállapításaink nem feltétlenül vonatkoznak más egészségügyi helyzetekre. Ebben a vizsgálatban 1359 beteg adatait gyűjtötték össze, és 896-ot kizártak a hiányos adatok miatt. Ez nagyrészt az alkalmazott szigorú felvételi kritériumoknak köszönhető; e betegek nagy része nem rendelkezett 1-évi követési adatokkal, és ezekre a betegekre vonatkozóan nem lehet statisztikai következtetést levonni; Ez szelekciós torzítást vezethet be, és befolyásolhatja az eredmények általánosíthatóságát. Nem tudtunk következtetéseket levonni a hideg ischaemia, a szoliter vese státusz, a sebészi tapasztalat vagy a renográfiai technikák szerepére vonatkozóan; a hosszú távú funkcionális veszteség valószínűségét és nagyságát ezek mindegyike befolyásolhatja.

Szabványosított Cistanche

Következtetések

Számos modell alkalmas a veseveszteség előrejelzésére a minimálisan invazív PN után 1 évvel. Elemzésünk azt sugallja, hogy a legjobb modellnek tartalmaznia kell a szexet, az ischaemiás technikát, a preoperatív eGFR-t és a PPL-t. Az e négy változót tartalmazó összes prediktív modell nagyobb valószínűséggel rendelkezett, és nagyobb prediktív teljesítményt mutatott, mint a többi változót vagy azok egy részét tartalmazó modellek. Más eszközökhöz képest ezek az előrejelzők azonnaliak és könnyen elérhetőek. A PPL hasznos a hosszú távú funkcionális hanyatlás előrejelzésére, még akkor is, ha a százalékos veszteség kevesebb, mint 25 százalék, mivel lineárisan kapcsolódik az 1YPL-hez. Más prediktorok irrelevánsaknak tűnnek, mivel befolyásuk jelentéktelen, vagy már beágyazódott e négy paraméter hatásába.

Hivatkozások

[1] Ljungberg B, Bensalah K, Canfield S és mások. Az EAU irányelvei a vesesejtes karcinómáról: 2014-es frissítés. Eur Urol 2015;67:913–24. https://doi. org/10.1016/j.eururo.2015.01.005.

[2] Bradshaw AW, Autorino R, Simone G és mások. Robotos részleges nephrectomia és minimálisan invazív radikális nephrectomia klinikai T2a vesetömeg esetén: a ROSULA (Robotic Surgery for Large Renal Mass) együttműködési csoport hajlampontszámmal egyeztetett összehasonlítása. BJU Int 2020;126:114–23. https://doi.org/ 10.1111/bju.15064.

[3] Larcher A, Capitanio U, Terrone C, et al. Az elektív nephron-kímélő műtét csak a vesesejtes karcinómás betegek bizonyos alcsoportjaiban csökkenti a mortalitás egyéb okait a radikális nephrectómiához képest. J Urol 2016;196:1008–13. https://doi.org/10.1016/j. juro.2016.04.093.

[4] Swavely NR, Anele UA, Porpiglia F, Mir MC, Hampton LJ, Autorino R. A vesefunkció megőrzésének optimalizálása robotos részleges nephrectomia során 1756287218815819. Ther Adv Urol 2019;11. https:// doi.org/10.1177/1756287218815819.

[5] Claeskens G, Hjort NL. Modellválasztás és modellátlagolás. Cambridge, Egyesült Királyság: Cambridge University Press; 2008.

[6] Lavine M, Schervish MJ. Bayes-tényezők: mik ezek és mik nem. Am Stat 1999;53:119–22. https://doi.org/10.1080/ 00031305.1999.10474443.

[7] Hoeting JA, Madigan D, Raftery AE, Volinsky CT. Bayesi modellátlagolás: oktatóanyag. Stat Sci 1999;14:382–401. https://doi.org/ 10.1214/ss/1009212519.

[8] Zhao T, Liu H, Roeder K, Lafferty J, Wasserman L. A hatalmas csomag a nagydimenziós irányítatlan gráfbecsléshez R. J. Mach Learn Res 2012;13:1059–62.

[9] Abdel Raheem A, Shin TY, Chang KD és mások. Yonsei nomogram: az újonnan kialakuló krónikus vesebetegség prediktív modellje a bilincs részleges nefrektómiája után T1 vese daganatos betegeknél. Int J Urol 2018;25:690–7. https://doi.org/10.1111/iju.13705.

[10] Simmons MN, Hillyer SP, Lee BH, Fergany AF, Kaouk J, Campbell SC. Funkcionális felépülés részleges nephrectomia után: térfogatcsökkenés és ischaemiás sérülés hatásai. J Urol 2012;187:1667–73. https://doi.org/ 10.1016/j.juro.2011.12.068.

[11] Clark MA, Shikanov S, Raman JD, et al. Krónikus vesebetegség részleges nephrectomia előtt és után. J Urol 2011;185:43–8. https://doi.org/10.1016/j.juro.2010.09.019.

[12] Lane BR, Babineau DC, Poggio ED, et al. A vesefunkció kimenetelét előrejelző tényezők részleges nefrektómia után. J Urol 2008;180:2363–9. https://doi.org/10.1016/j.juro.2008.08.036.

[13] Antonelli A, Mari A, Longo N és mások. Klinikai és sebészeti tényezők szerepe az azonnali, korai és késői funkcionális eredmények előrejelzésében, valamint kapcsolata a kardiovaszkuláris kimenetelsel részleges nephrectomia után: a prospektív multicentrikus RECORd 1 projekt eredményei. J Urol 2018;199:927–32. https://doi.org/ 10.1016/j.juro.2017.11.065.

[14] Martini A, Kumaraswamy S, Beksac AT, et al. Nomogram a glomeruláris filtrációs ráta szignifikáns becsült csökkenésének előrejelzésére robotos részleges nefrektómia után. Eur Urol 2018;74:833–9. https://doi. org/10.1016/j.eururo.2018.08.037.

[15] Ginzburg S, Uzzo R, Walton J et al. A maradék parenchyma térfogata, nem pedig a meleg iszkémia ideje, előrejelzi a végső vesefunkciós kimeneteleket a részleges nephrectómián átesett betegeknél. Urológia 2015;86:300–5. https://doi.org/10.1016/j.urology.2015.04.043.

[16] Bellomo R, Ronco C, Kellum JA, Mehta RL, Palevsky P. Akut veseelégtelenség – meghatározás, kimenetel mérések, állatmodellek, folyadékterápia és információs technológia szükséges az Acute Dialysis Quality Initiative (ADQI) második nemzetközi konszenzuskonferenciájához. csoport. Crit Care 2004;8:R204. https://doi.org/ 10.1186/cc2872.

[17] Chawla LS, Eggers PW, Star RA, Kimmel PL. Akut vesekárosodás és krónikus vesebetegség, mint egymással összefüggő szindrómák. N Engl J Med 2014;371:58–66. https://doi.org/10.1056/ nejmra1214243.

[18] Zhang Z, Zhao J, Dong W és mtsai. Akut vesekárosodás részleges nephrectomia után: a parenchymatikus tömegcsökkentés és az ischaemia szerepe, valamint a későbbi funkcionális helyreállításra gyakorolt ​​​​hatás. Eur Urol 2016;69:745–52. https://doi.org/10.1016/j.eururo.2015.10.023.

[19] Zabell J, Isharwal S, Dong W et al. Akut vesekárosodás magányos vesék részleges nefrektómiája után: hatás a vesefunkció hosszú távú stabilitására. J Urol 2018;200:1295–301. https://doi.org/10.1016/ j.juro.2018.07.042.

[20] Kawamura N, Yokoyama M, Tanaka H, ​​et al. Akut vesekárosodás és középtávú vesefunkció szorító nélküli részleges nefrektómia után. Int J Urol 2019;26:113–8. https://doi.org/10.1111/iju.13799.

[21] Bravi CA, Vertosick E, Benfante N, et al. Az akut vesekárosodás hatása és időtartama a hosszú távú veseműködésre részleges nefrektómia után. Eur Urol 2019;76:398–403. https://doi.org/10.1016/ j.eururo.2019.04.040.

[22] MacCallum RC, Zhang S, Preacher KJ, Rucker DD. A mennyiségi változók dichotomizálásának gyakorlatáról. Psychol Methods 2002;7:19–40. https://doi.org/10.1037/1082-989X.7.1.19.

[23] Mari A, Tellini R, Antonelli A és mások. Nomogram a közepesen jelentős vesefunkció-vesztés előrejelzésére lokalizált vese daganatok robot által támogatott részleges nefrektómiája után: prospektív multicentrikus megfigyelési vizsgálat (RECORd2 projekt). Eur Urol Focus Nyomtatás alatt. https://doi.org/10.1016/j.euf.2021.09.012.

[24] Porpiglia F, Fiori C, Bertolo R et al. A meleg ischaemiás idő hatása a vesefunkcióra laparoszkópos részleges nefrektómia után normál ellenoldali vese esetén. World J Urol 2012;30:257–63. https://doi.org/10.1007/s00345-011-0729-5.

[25] Thompson RH, Lane BR, Lohse CM, et al. Minden perc számít, amikor a vesehártyát beszorítják a részleges nephrectomia során. Eur Urol 2010;58:340–5. https://doi.org/10.1016/j.eururo.2010. 05.047.

[26] Thompson RH, Lane BR, Lohse CM, et al. Vesefunkció részleges nephrectomia után: A meleg ischaemia hatása a megőrzött vese mennyiségére és minőségére. Urológia 2012;79:356–60. https://doi. org/10.1016/j.urology.2011.10.031.

[27] Aron M, Gill IS, Campbell SC. A részleges nephrectomia nemiszkémiás megközelítése az optimális. J Urol 2012;187:387–90. https://doi.org/ 10.1016/j.juro.2011.10.092.

[28] Mir MC, Pavan N, Parekh DJ. Az ischaemia jelenlegi paradigmája a veseműtétben. J Urol 2016;195:1655–63. https://doi.org/10.1016/ j.juro.2015.09.099.

[29] Volpe A, Blute ML, Ficarra V, et al. Vese ischaemia és funkció részleges nephrectomia után: az irodalom közös áttekintése. Eur Urol 2015;68:61–74. https://doi.org/10.1016/j.eururo.2015.01.025.

[30] Kallingal GJS, Weinberg JM, Reis IM, Nehra A, Venkatachalam MA, Parekh DJ. Hosszú távú válasz a vese ischaemiára az emberi vesében részleges nephrectomia után: egy prospektív klinikai vizsgálat eredményei. BJU Int 2016;117:766–74. https://doi.org/10.1111/ bju.13192.

[31] BR sáv, Russo P, Uzzo RG és társai. A hideg és a meleg ischaemia összehasonlítása részleges nephrectomia során 660 magányos vesében feltárja a nem módosítható tényezők domináns szerepét a végső vesefunkció meghatározásában. J Urol 2011;185:421–7. https://doi.org/ 10.1016/j.juro.2010.09.131.

[32] Mir MC, Campbell RA, Sharma N, et al. Parenchyma volumenmegőrzés és ischaemia részleges nephrectomia során: funkcionális és volumetrikus elemzés. Urológia 2013;82:263–9. https://doi.org/ 10.1016/j.urology.2013.03.068.

[33] Biles MJ, DeCastro GJ, Woldu SL. Veseműködés nefron-kímélő eljárások után: egyszerűen térfogat kérdése? Curr Urol Rep 2016;17:8. https://doi.org/10.1007/s11934-015-0561-3.

[34] Dong W, Zhang Z, Zhao J et al. Kimetszett parenchyma tömeg részleges nephrectomia során: funkcionális következmények. Urológia 2017;103:129–35. https://doi.org/10.1016/j.urology.2016.12.021.

[35] Wu J, Suk-Ouichai C, Dong W és mtsai. Részleges nefrektómiával megőrzött vaszkularizált parenchyma tömeg: funkcionális hatás és prediktív tényezők. Eur Urol Oncol 2019;2:97–103. https://doi.org/ 10.1016/j.euo.2018.06.009.

[36] Lee J, Song C, Lee D és mások. A részleges nephrectomia utáni hosszú távú veseműködést meghatározó tényezők időbeli különbsége. Urol Oncol 2021;39:196.e15–20. https://doi.org/ 10.1016/j.urolonc.2020.11.007.

[37] Meyer A, Woldu SL, Weinberg AC, et al. A vese parenchyma elvesztésének előrejelzése nephron-megtakarító műtét után. J Urol 2015;194:658–63. https://doi.org/10.1016/j.juro.2015.03.098.

[38] Shum CF, Bahler CD, Cary C, et al. Preoperatív nomogramok a vesefunkció előrejelzésére 1 évvel a részleges nefrektómia után. J Endourol 2017;31:711–8. https://doi.org/10.1089/end.2017.0184.

[39] Desai MM, de Castro Abreu AL, Leslie S, et al. Robotos részleges nephrectomia szuperszelektív versus fő artéria befogással: retrospektív összehasonlítás. Eur Urol 2014;66:713–9. https://doi.org/ 10.1016/j.eururo.2014.01.017.

[40] Gill IS, Patil MB, de Castro Abreu AL, et al. Nulla ischaemia anatómiai részleges nephrectomia: új megközelítés. J Urol 2012;187:807–14. https://doi.org/10.1016/j.juro.2011.10.146.

[41] Eggener SE, Clark MA, Shikanov S et al. A meleg kontra hideg ischaemia hatása a vesefunkcióra részleges nephrectómia után. World J Urol 2015;33:351–7. https://doi.org/10.1007/s00345-014- 1315-4.

Fabio Crocerossa a,b, Cristian Fiori c, Umberto Capitanio d, Andrea Minervini e, Umberto Carbonara a,f, Savio D. Pandolfo a, Davide Loizzo a, Daniel D. Eun g, Alessandro Larcher d, Andrea Mari e, Antonio Andrea Grosso e , Fabrizio Di Maida e , Lance J. Hampton a , Francesco Cantiello b , Rocco Damiano b , Francesco Porpiglia c , Riccardo Autorino a,

a VCU Health urológiai osztálya, Richmond, VA, USA;

b Urológiai Tanszék, Magna Graecia Egyetem, Catanzaro, Olaszország;

c Urológiai osztály, San Luigi Kórház, Torinói Egyetem, Orbassano, Olaszország;

d Urológiai osztály, Kísérleti Onkológiai Osztály, Urológiai Kutatóintézet, IRCCS Ospedale San Raffaele, Milánó, Olaszország;

e Kísérleti és Klinikai Orvostudományi Osztály, Onkológiai Minimálisan Invazív Urológiai és Andrológiai Osztály, Careggi Egyetemi Kórház, Firenzei Egyetem, Firenze, Olaszország;

f Bari Egyetem Urológiai, Andrológiai és Vesetranszplantációs Osztálya, Bari, Olaszország;

g Urológiai osztály, Lewis Katz School of Medicine, Temple University, Philadelphia, PA, USA