Vaginal Cuff Dehiscence in Robotic-Assisted Total Hysterectomy
Notice bibliographique
Résumé
STUDY OBJECTIVE: The aim of this study was to estimate the cumulative incidence of vaginal cuff dehiscence in robotic-assisted total hysterectomies in our patients and to provide recommendations to decrease the incidence of vaginal cuff dehiscence. METHODS: This was an observational case series, Canadian Task Force Classification II-3 conducted at an academic and community teaching hospital. A total of 654 patients underwent robotic-assisted total laparoscopic hysterectomy for both malignant and benign reasons from September 1, 2006 to March 1, 2011 performed by a single surgeon. The da Vinci Surgical System was used for robotic-assisted total laparoscopic hysterectomy. RESULTS: There were 3 cases of vaginal cuff dehiscence among 654 robotic-assisted total laparoscopic hysterectomies, making our cumulative incidence of vaginal cuff dehiscence 0.4%. The mean time between the procedures and vaginal cuff dehiscence was 44.3 d (6.3 wk). All patients were followed up twice after surgery, at 3 to 4 wk and 12 to 16 wk. CONCLUSION: In our study, the incidence of vaginal cuff dehiscence after robotic-assisted total laparoscopic hysterectomy compares favorably to that of total abdominal and vaginal hysterectomy. Our study suggests that the incidence of vaginal cuff dehiscence is more likely related to the technique of colpotomy and vaginal cuff suturing than to robotic assisted total hysterectomy per se. With proper technique and patient education, our vaginal dehiscence rate has been 0.4%, which is 2.5 to 10 times less than the previously reported vaginal cuff dehiscence rate in the literature.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».