The Association Between a Surgeon’s Learning Curve With Endovascular Aortic Aneurysm Repair and Previous Institutional Experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of the present study was to determine whether an institution's prior endovascular experience influenced the learning curve of subsequent surgeons. A prospective analysis of the initial 70 endovascular abdominal aortic aneurysm repair (EVAR) cases attempted by an individual surgeon was performed with the primary outcome variable being achievement and 30-day maintenance of initial clinical success. Along with standard statistical analyses, the cumulative sum failure method (CUSUM) was used to analyze the learning curve, with a predetermined acceptable failure rate of 10%. Seventy elective EVAR cases were performed by this surgeon during a 4-year period (2000-2004) (mean age, 73.7 -/+ 5.4 years; mean aneurysm diameter 63.3 -/+ 7.2 mm). Initial clinical success was achieved in 68 of 70 cases (97%), which differed significantly with that of our initial surgeon (88.5%, P = .01). Causes of failure in the present series included 1 early mortality (1.4%) and 1 case of conversion to open repair with no instances of type I endoleak or endograft limb thrombosis. Both surgeons' cases were plotted sequentially with CUSUM curves revealing a significantly shorter learning curve for the second surgeon. Optimal results were achieved following 10 to 20 EVAR cases, as opposed to 60 cases in the initial series. Such an analysis confirms that as an institution's experience with EVAR increases, an individual surgeon's learning curve shortens considerably.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 découle