Robot-assisted versus laparoscopic nephroureterectomy for uppertract urothelial cancer: A population-based assessment of costs and perioperative outcomes
Notice bibliographique
Résumé
INTRODUCTION: We compared short-term outcomes and costs between robotic-assisted nephroureterectomy (RANU) and laparoscopic radical nephroureterectomy (LNU) in a large population-based cohort of patients with upper-tract urothelial carcinoma (UTUC). METHODS: Overall, 1914 patients with UTUC treated with RANU or LNU between 2008 and 2010 within the Nationwide Inpatient Sample were abstracted. Propensity-score matching was performed to account for inherent differences between patients undergoing RANU and LNU. Multivariable logistic regression models were fitted to compare postoperative complications, blood transfusions, prolonged length of stay, and costs between the 2 procedures. RESULTS: Overall, a weighted estimate of 1199 (62.6%) and 715 (37.4%) patients received LNU and RANU, respectively. In multivariable analyses no significant differences were observed in postoperative transfusion and length of stay between the 2 surgical approaches (all p > 0.1). However, patients undergoing RANU were less likely to experience any complications compared to their counterparts undergoing LNU (p = 0.04). The utilization of RANU was associated with substantially higher costs compared to the laparoscopic approach. Our study is limited by its retrospective nature and the lack of adjustment for tumour stage and grade. CONCLUSIONS: Our results support the safety and feasibility of RANU for the treatment of UTUC. Indeed, the use of the robotic approach was associated with lower probability of experiencing perioperative complications compared to LNU. On the other hand, the utilization of RANU is associated with higher costs compared to LNU.
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) | 0,000 | 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 ».