Factors Determining Fluoroscopy Time During Ureteroscopy
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to prospectively identify predictors of radiation exposure during ureteroscopy. PATIENTS AND METHODS: Eighty-five consecutive patients who presented for ureteroscopies and laser lithotripsy were considered. Fluoroscopy time (FT) was obtained from radiology reports for each patient, and clinical data were obtained from chart review. Nine patients were excluded (three unconfirmed FTs, four staghorn calculi, one ectopic kidney, and one multiple ureteral strictures). Seventy-six patients were included in the study. Univariate and multivariate linear regression were used to identify factors that determined FT. RESULTS: The patient cohort was 65.8% male with a mean age of 52.7 years. Mean FT was 183 s, and mean surgical time was 68.4±29 minutes. Mean stone size was 10±5 mm in the greatest dimension. A large proportion of patients (50%) had renal stones, multiple stones were present in 31.6% of cases, and 22.3% of stones were radiolucent. Cases were equally distributed between surgeons A and B, and 46% of patients had preoperative stents. On multivariate analysis, increased FT was independently associated with surgeon A (104 additional seconds per case, P<0.001), longer duration of surgery (14 s per 10 minutes, P<0.001), and male patients (54 s per procedure, P=0.02). Age, stone characteristics, presence of ureteral stent, and stone-free status did not correlate with FT. CONCLUSIONS: Surgeon behavior, longer duration of surgery, and male gender were significant predictors of FT and, hence, radiation exposure during ureteroscopy. In the present study, stone characteristics were not found to be predictors of FT.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».