Survey of senior resident training in urologic laparoscopy, robotics and endourology surgery in Canada
Notice bibliographique
Résumé
INTRODUCTION: We determined the status of Canadian training during senior residency in laparoscopic, robotic and endourologic surgery. METHODS: Fifty-six residents in their final year of urology residency training were surveyed in person in 2007 or 2008. RESULTS: All residents completed the survey. Most residents (85.7%) train at centres performing more than 50 laparoscopic procedures yearly and almost all (96.4%) believe laparoscopic radical nephrectomy is the gold standard. About 82% of residents participated in a laparoscopic partial nephrectomy in 2008, compared to 64.7% in 2007. Of the respondents, 66% have participated in a laparoscopic prostatectomy and 54% believe the procedure has promising potential. Exposure and training in robotic-assisted laparoscopic procedures seem to be increasing as 35.7% of 2008 residents have access to a surgical robot and 7% consider themselves trained in robotic-assisted procedures. Most residents (71.4%) train at centres that perform percutaneous ablation. However, 65% state the procedure is performed solely by radiologists. Percutaneous nephrolithotomy is widely performed (98.2%), but only 37.5% of residents report training in obtaining primary percutaneous renal access. Despite only 12.5% of residents ranking their laparoscopic experience as below average or poor, an increasing proportion of graduating residents are pursuing fellowships in minimally-invasive urology. CONCLUSION: Laparoscopic nephrectomy is commonly performed and is considered the standard of care by Canadian urology residents. Robotic-assisted surgery is becoming more common but will require continued evaluation by educators who will ultimately define its role in the urological residency training curriculum. Minimally-invasive surgical fellowships remain popular, as Canadian residents do not feel adequately trained in certain advanced procedures. Urologists must strive to learn and adapt to new technologies or risk losing them to other specialties.
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 | 0,002 | 0,006 |
| 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 | 0,001 |
| 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 ».