MétaCan
Menu
Retour à la cohorte
Enregistrement W1999418677 · doi:10.4293/108680813x13693422521511

Robotic Hysterectomy Strategies in the Morbidly Obese Patient

2013· article· en· W1999418677 sur OpenAlexaboutno aff
Oscar D. Almeida

Notice bibliographique

RevueJSLS Journal of the Society of Laparoscopic & Robotic Surgeons · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueEndometrial and Cervical Cancer Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMorbidly obesePerioperativeLaparotomySurgeryBlood lossBody mass indexHysterectomyLaparoscopyProspective cohort studyUterosacral ligamentRobotic surgeryVaginaGeneral surgeryWeight lossObesityInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: The purpose of this study was to present strategies for performing computer-enhanced telesurgery in the morbidly obese patient. METHODS: This was a prospective, institutional review board-approved, descriptive feasibility study (Canadian Task Force classification II-2) conducted at a university-affiliated hospital. Twelve class III morbidly obese women with a body mass index of 40 kg/m(2) or greater were selected to undergo robotic-assisted total laparoscopic hysterectomy. Robotic-assisted total laparoscopic hysterectomy, classified as type IVE, with complete detachment of the cardinal-uterosacral ligament complex, unilateral or bilateral, with entry into the vagina was performed. RESULTS: The median estimated blood loss was 146.3 mL (range, 15-550 mL), the mean length of stay in the hospital was 25.3 hours (range, 23- 48 hours), and the complication rate was 0%. The rate of conversion to laparotomy was 8%. The median surgical time was 109.6 minutes (range, 99 -145 minutes). CONCLUSION: Robotic-assisted total laparoscopic hysterectomy can be a safe and effective method of performing hysterectomies in select morbidly obese patients, allowing them the opportunity to undergo minimally invasive surgery without increased perioperative complications.

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 enseignants0,114
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
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 Opus0,025
Tête enseignante GPT0,282
Écart entre enseignants0,257 · 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

Citations25
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJSLS Journal of the Society of Laparoscopic & Robotic SurgeonsMême sujetEndometrial and Cervical Cancer TreatmentsTravaux en français237 207