Geburtshilfe Frauenheilkd 2021; 81(04): e3
DOI: 10.1055/s-0041-1726583
Abstracts
AGO der OEGGG

Multizentrische Validierung des Mayo Triage Algrithmus zur Identifikation von Ovarialkarzinom Patientinnen mit hohem Risiko für postoperative Komplikationen nach Primärer Debulking Operation

R Schwameis
1   Abteilung für Gynäkologie und gynäkologische Onkologie, Evan. Huyssenss-Stiftung, Kliniken Essen Mitte, Essen
2   Abteilung für Gynäkologie und Gynäkologische Onkologie, Medizinische Universität Wien, Wien
,
A. du Bois
1   Abteilung für Gynäkologie und gynäkologische Onkologie, Evan. Huyssenss-Stiftung, Kliniken Essen Mitte, Essen
,
P Harter
1   Abteilung für Gynäkologie und gynäkologische Onkologie, Evan. Huyssenss-Stiftung, Kliniken Essen Mitte, Essen
,
C Grimm
2   Abteilung für Gynäkologie und Gynäkologische Onkologie, Medizinische Universität Wien, Wien
,
S Polterauer
2   Abteilung für Gynäkologie und Gynäkologische Onkologie, Medizinische Universität Wien, Wien
,
P Alesina
3   Klinik für Chirurgie & Zentrum für Minimal Invasive Chirurgie, Evang. Huyssens-Stiftung, Kliniken Essen Mitte, Essen
,
S Heikaus
4   Zentrum für Pathologie Essen-Mitte, Essen
,
HT Groeben
5   Klinik für Anästhesiologie, Intensivmedizin & Schmerztherapie, Evang. Huyssens-Stiftung, Kliniken Essen Mitte, Essen
,
A Traut
1   Abteilung für Gynäkologie und gynäkologische Onkologie, Evan. Huyssenss-Stiftung, Kliniken Essen Mitte, Essen
,
B Ataseven
1   Abteilung für Gynäkologie und gynäkologische Onkologie, Evan. Huyssenss-Stiftung, Kliniken Essen Mitte, Essen
› Author Affiliations
 

Einleitung Die Mayo Klinik hat einen Algorithmus zur präoperativen Identifikation von Patientinnen mit fortgeschrittenem Ovarialkarzinom entwickelt, die ein hohes postoperatives Morbiditäts-/Mortalitätsrisiko bergen. Auf Basis des Alters, präoperativer Hypoalbuminämie und antizipiertem Resektionsausmaß wurde ein Model geschaffen, mit dem man Patientinnen vor Primärer Debulking-Operation (PDS) identifizieren kann, die ein sehr hohes Risiko für postoperative Komplikationen haben. Dieser Algorithmus wurde ebenfalls mit einer signifikanten Reduktion der postoperativen Mortalität assoziiert. Ziel dieser Analyse war es den Mayo Triage Algorithmus in einem multizentrischen Patientinnenkollektiv zu validieren.

Material und Methodik Diese Analyse inkludiert alle Patientinnen, die wegen eines fortgeschrittenen epithelialem Ovarialkarzinom (FIGO III/IV) mittels PDS zwischen 2011 und 2019 an den Kliniken Essen Mitte bzw. der Medizinischen Universität Wien behandelt wurden. Alle Patientinnen wurden nach dem Mayo Triage Algorithmus als „Hochrisiko” oder „Triage Algorithmus konform” kategorisiert. Postoperative Komplikationen wurden laut Clavien-Dindo-Classification (CDC) dokumentiert. Das Auftreten schwerer postoperativer Komplikationen wurde in den beiden Gruppen verglichen.

Ergebnisse Insgesamt wurden 713 Patientinnen (Altersdurchschnitt 59,9 Jahre) eingeschlossen. Bei 55,1 % der Patientinnen wurde ein FIGO Stadium IV diagnostiziert. 23,8 % (170/713) der Patientinnen wurden als „Hochrisiko” kategorisiert. Eine komplette Tumorresektion gelang in 45,3 und 68,0 % der „Hochrisiko” und der „Triage Algorithmus konform” Gruppen.

Eine schwere postoperative Komplikation (CDC 3-5) trat in 26,5 bzw. 23,4 % der „Hochrisiko” und der „Triage Algorithmus konform” Gruppen (p = 0,412) auf. Die 30 Tage und 90 Tage Mortalitätsraten waren in beiden Gruppen vergleichbar (30-Tage: 1,8 vs. 1,8 %, p = 1,000.; 90-Tage: 4,7 vs. 3,5 %, p = 0,472).

Eine Sensitivitätsanalyse, welche ausschließlich Patientinnen mit Komplettresektion inkludierte, zeigte keinen Unterschied der 90-Tage-Mortalitätsrate zwischen den beiden Gruppen (1,3 vs. 4,1 %, p = 0,327).

Zusammenfassung Der Mayo Triage Algorithmus verfehlte das Ziel Patientinnen mit hohem Risiko für postoperative Komplikationen und Mortalität zu identifizieren. Der Mayo Triage Algorithmus scheint ein vielversprechendes Vorhersagemodel zu sein, welches jedoch intensiver Feinkalibration bedarf, um im klinischen Alltag Anwendung zu finden.



Publication History

Article published online:
14 April 2021

© 2021. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany