MétaCan
Menu
Retour à la cohorte
Enregistrement W1217723723

Getting started with robotics in general surgery with cholecystectomy: the Canadian experience.

2009· article· en· W1217723723 sur OpenAlexaffabout
Shiva Jayaraman, Ward Davies, Christopher M. Schlachta

Notice bibliographique

RevuePubMed · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineRobotic surgeryRoboticsCholecystectomyGeneral surgeryLearning curveSurgeryLaparoscopic cholecystectomyLaparoscopyRobotic armArtificial intelligenceRobotComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The value of robotics in general surgery may be for advanced minimally invasive procedures. Unlike other specialties, formal fellowship training opportunities for robotic general surgery are few. As a result, most surgeons currently develop robotic skills in practice. Our goal was to determine whether robotic cholecystectomy is a safe and effective bridge to advanced robotics in general surgery. METHODS: Before performing advanced robotic procedures, 2 surgeons completed the Intuitive Surgical da Vinci training course and agreed to work together on all procedures. Clinical surgery began with da Vinci cholecystectomy with a plan to begin advanced procedures after at least 10 cholecystectomies. We performed a retrospective review of our pilot series of robotic cholecystectomies and compared them with contemporaneous laparoscopic controls. The primary outcome was safety, and the secondary outcome was learning curve. RESULTS: There were 16 procedures in the robotics arm and 20 in the laparoscopic arm. Two complications (da Vinci port-site hernia, transient elevation of liver enzymes) occurred in the robotic arm, whereas only 1 laparoscopic patient (slow to awaken from anesthetic) experienced a complication. None was significant. The mean time required to perform robotic cholecystectomy was significantly longer than laparoscopic surgery (91 v. 41 min, p < 0.001). The mean time to clear the operating room was significantly longer for robotic procedures (14 v. 11 min, p = 0.015). We observed a trend showing longer mean anesthesia time for robotic procedures (23 v. 15 min). Regarding learning curve, the mean operative time needed for the first 3 robotic procedures was longer than for the last 3 (101 v. 80 min); however, this difference was not significant. Since this experience, the team has confidently gone on to perform robotic biliary, pancreatic, gastresophageal, intestinal and colorectal operations. CONCLUSION: Robotic cholecystectomy can be performed reliably; however, owing to the significant increase in operating room resources, it cannot be justified for routine use. Our experience, however, demonstrates that robotic cholecystectomy is one means by which general surgeons may gain confidence in performing advanced robotic procedures.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,204
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,245
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetSurgical Simulation and TrainingTravaux en français237 207