Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBulgular: 240 hastadan 26’sında (%10,8) torakotomiye dönüşüm gerekti.
📌 3 Maddede Bu Makale
Özet
Amaç: Bu çalışmanın amacı, akciğer kanseri için video yardımlı torakoskopik cerrahi (VATS) sırasında torakotomiye beklenmedik dönüşümleri öngörmek için bir risk puanlama modeli oluşturmaktır. Bu dönüşümlere katkıda bulunan faktörleri belirleyerek cerrahi planlama ve hasta sonuçları iyileştirilebilir. Yöntem: Ocak 2019’dan Aralık 2024’e kadar akciğer kanseri için VATS geçiren 240 hasta üzerinde retrospektif bir analiz yapıldı. Bunlardan 26'sında torakotomiye dönüşüm gerekti. Tek değişkenli ve çok değişkenli lojistik regresyon analizleri yoluyla dönüşümün öngörücülerini belirlemek için çeşitli klinik ve perioperatif faktörler incelendi. Daha sonra bu faktörlere dayalı bir risk puanlama modeli geliştirildi ve öngörücü performansı değerlendirildi. Bulgular: 240 hastadan 26’sında (%10,8) torakotomiye dönüşüm gerekti. Çok değişkenli analizle belirlenen dönüşümün temel öngörücüleri arasında daha büyük tümör boyutu (OR 2,5, %95 CI 1,2-5,3), merkezi tümör konumu (OR 3,1, %95 CI 1,5-6,4) ve azaltılmış zorunlu ekspiratuvar hacim (FEV1) (OR 2,8, %95 CI 1,3-6,0) yer almaktadır. Risk puanlama modeli, 0,82’lik alıcı işletim karakteristiği (ROC) eğrisi altındaki alanla güçlü bir öngörü doğruluğu sergilemiştir. Sonuç: Geliştirilen risk puanlama modeli, akciğer kanseri için VATS sırasında torakotomiye dönüşüm olasılığını etkili bir şekilde öngörür. Bu model, ameliyat öncesi planlama ve hasta danışmanlığı için değerli bir araç görevi görerek potansiyel olarak cerrahi sonuçları ve kaynak tahsisini iyileştirir.
Abstract
Objective: This study aimed to create a risk scoring model to foresee unexpected conversions to thoracotomy during video-assisted thoracoscopic surgery (VATS) for lung cancer. By identifying the factors contributing to these conversions, surgical planning and patient outcomes can be enhanced. Methods: A retrospective analysis was performed on 240 patients who underwent VATS for lung cancer from January 2019 to December 2024. Among these, 26 patients required conversion to thoracotomy. Various clinical and perioperative factors were examined to identify predictors of conversion through univariate and multivariate logistic regression analyses. A risk scoring model was subsequently developed based on these factors, and its predictive performance was assessed. Results: Of the 240 patients, 26 (10.8%) needed conversion to thoracotomy. Key predictors of conversion identified through multivariate analysis included larger tumor size (OR 2.5, 95% CI 1.2-5.3), central tumor location (OR 3.1, 95% CI 1.5-6.4), and reduced forced expiratory volume (FEV1) (OR 2.8, 95% CI 1.3-6.0). The risk scoring model exhibited strong predictive accuracy with an area under the receiver operating characteristic (ROC) curve of 0.82. Conclusion: The developed risk scoring model effectively predicts the likelihood of conversion to thoracotomy during VATS for lung cancer. This model serves as a valuable tool for preoperative planning and patient counseling, thereby potentially improving surgical outcomes and resource allocation.