Minimally invasive surgical treatment for large impacted upper ureteral stones: Ureteroscopic lithotripsy or percutaneous nephrolithotomy?
Notice bibliographique
Résumé
INTRODUCTION: The management of patients with large impacted upper ureteral stones is difficult; there is no standard treatment. We compared the outcomes of percutaneous nephrolithotomy (PCNL) and ureteroscopic lithotripsy (UL) to treat large (≥1.5 cm), impacted, upper ureteral stones. METHODS: In total, 86 patients with large impacted upper ureteral stones were included in this study. Of these patients 41 underwent UL and 45 underwent PCNL. The inclusion criteria were: longest diameter of stone ≥1.5 cm, the localization of stone between the lower border of L4 spine and ureteropelvic junction and impacted stone. RESULTS: In the UL group, we were unable to reach the stone in 3 patients because of ureteral stricture and edema despite balloon dilation. Of these 3 patients, we were unable to optimally visualize the stone in 2 patients due to bleeding and mucosal injury following balloon dilation. The stricture was too firm and could not be passed in the third patient. Also in the UL group, 15 patients had stones or big fragments which migrated into the renal collecting system. In the PCNL group, 21 patients had concurrent renal stones <1 cm and stones were successfully removed in all patients. No statistically significant difference was found between groups in terms of operation time. Mean hospital stay was significantly shorter in the UL group. Success rates were 82.3% in the UL group and 97.6% in the PCNL group (p = 0.001). CONCLUSION: The recent study confirms that PCNL is a safe and effective minimally invasive procedure with acceptable complication rates in the treatment of patients with large, impacted upper ureteral stones.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».