Robot-assisted laparoscopic partial nephrectomy: Early single Canadian institution experience
Notice bibliographique
Résumé
BACKGROUND: Although robot-assisted partial nephrectomy (RALPN) has been increasingly adopted, open procedures continue to be the reference nephron-sparing technique. We describe our initial surgical outcomes of RALPN in our single institution robotic program. METHODS: Between January 2011 and February 2013, 65 consecutive patients underwent a RALPN by 2 surgeons. Preoperative characteristics, including the R.E.N.A.L. nephrometry score, perioperative parameters, and postoperative course, including renal function, were assessed from a retrospective database. The mean follow-up was 12 months. RESULTS: The mean age was 60.2 years and the mean tumour size was 3.9 cm. According to the R.E.N.A.L. nephrometry score, the tumours were classified moderately and highly complex tumours in 51% and 18.5% of cases, respectively. Median warm ischemia time (WIT) was 21 minutes. Factors associated with WIT were R.E.N.A.L. nephrometry score, tumour size, complication rates and surgeon experience. No conversion or grade 4 to 5 complications were reported. The mean hospital stay was 3 days. The overall complication rate was 24.6% (re-admission rate 7.7%), and decreased to 12% after 20 cases. After these initial 20 cases, a trifecta rate (no margins, preserved renal function, no complications) of 64.3% was achieved in moderately and highly complex tumours. The mean change in estimated glomerular filtration rate was 6.7 mL/min without severe postoperative renal failure. INTERPRETATION: RALPN is a safe and feasible procedure with low specific morbidity, even in moderately or highly complex renal masses. The WIT depends on tumour characteristics, mainly determined by the R.E.N.A.L. nephrometry score and is improved by surgeon experience. Longer follow-up is needed to assess the oncologic mid-term safety of the procedure.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».