Effect of Prostate Gland Size on the Learning Curve for Robot-Assisted Laparoscopic Radical Prostatectomy: Does Size Matter Initially?
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Widespread introduction of robot-assisted laparoscopic radical prostatectomy (RALRP) has led to multiple surgeons going through the learning curve (LC). One of the recommendations for surgeons on the LC for RALRP is to choose patients with smaller glands. We evaluated our LCs to determine whether prostate size influenced intraoperative outcomes and positive surgical margin rates. PATIENTS AND METHODS: Data were obtained from a prospective database for the first 154 cases of RALRP performed by a single surgeon. Patients were divided into three groups based on prostate volume (PV): <40 cc (group 1), 40 to 60 cc (group 2), or >60 cc (group 3). PV was estimated by preoperative transrectal ultrasonography (TRUS) and correlated with pathologic weight (PW). Perioperative and immediate postoperative outcomes were evaluated. RESULTS: A statistically significant difference in total operative times between the groups (206 minutes vs 201 minutes vs 233 minutes for groups 1, 2, and 3, respectively) was noted. With regard to individual intraoperative steps, the bladder neck reconstruction and anastomosis time was longer in group 3. No other statistically significant differences were noted. The Pearson correlation coefficient between PV estimation by TRUS and PW was r = 0.785, and an additional analysis based on PW supports the results of our study. CONCLUSIONS: Prostate size influenced total operative times and the bladder neck reconstruction and anastomosis time. Our data support the use of preoperative TRUS to estimate PV and recommendations for surgeons starting on their LC to choose glands less than 60 cc.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».