MétaCan
Menu
Retour à la cohorte
Enregistrement W2115923347 · doi:10.1016/j.amsu.2015.09.007

Do elderly patients have the most to gain from laparoscopic surgery?

2015· article· en· W2115923347 sur OpenAlexaff
Tyler R. Chesney, Sergio A. Acuña

Notice bibliographique

RevueAnnals of Medicine and Surgery · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueAbdominal Surgery and Complications
Établissements canadiensSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePerioperativePneumoperitoneumLaparoscopyLaparoscopic surgeryIntensive care medicineSurgeryGeneral surgery

Résumé

récupéré en direct d'OpenAlex

Populations are aging worldwide, people are living longer, and the surgical needs of elderly patients are rising. Laparoscopic techniques have become more common with improved training, surgeon skill and evidence of improved outcomes. Benefits of laparoscopy include decreased blood loss, postoperative pain, and hospital length of stay; improved mobilization, quicker return to normal activity; and fewer pulmonary, thrombotic, and abdominal wall complications. Indeed, for many common pathologies laparoscopy has become the gold standard, unless contraindicated. It has been questioned as to whether elderly patients can reap the same benefits from laparoscopic surgery. The concern in elderly patients is that physiologic demands may outweigh the benefit seen in younger patients. This question stems from concerns related to longer operative times, increased technical challenge, as well as the impact of physiologic demands of pneumoperitoneum and patient positioning. However, with anesthesia and adequate perioperative cardiac care, there is no evidence that these factors lead to worse clinical outcomes in elderly patients. In contrast, perhaps elderly patients - with increased prevalence of multi-morbidity, geriatric syndromes and diminished physiologic reserve - have the most to gain from a laparoscopic approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,156
Tête enseignante GPT0,352
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Medicine and SurgeryMême sujetAbdominal Surgery and ComplicationsTravaux en français237 207