MétaCan
Menu
← Retour à la cohorte
Enregistrement W2197842858

Is laparoscopic partial nephrectomy already the gold standard for small renal masses?.

2013· article· en· W2197842858 sur OpenAlexaff
Nicholas Power, Jonathan Silberstein, Karim Touijer

Notice bibliographique

RevuePubMed · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésNephrectomyMedicineModalitiesGold standard (test)Cochrane LibraryMeta-analysisLaparoscopyMEDLINESurgeryGeneral surgeryKidneyRadiologyInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To examine the role of laparoscopic partial nephrectomy in the management of small renal masses. METHODS: We searched MEDLINE (through March 2012) using PubMed, the Cochrane Central Search Library (though March 2012), and Web of Science (through March 2012). We retrieved citations using the text terms "small renal mass," "laparoscopic," "partial nephrectomy,"and "radical nephrectomy." We limited the search to articles in the English language, to T1a renal tumors, and expanded the search using the related articles function. We also performed hand searches of references identified in electronically abstracted articles. RESULTS: There is a paucity of well conducted clinical trials to elucidate laparoscopic partial nephrectomy's role. A number of assumptions had to be made to complete the review. Other than possibly less operative blood loss, less operative time, less inpatient stay time, and less cost, there was insufficient evidence to support laparoscopic partial nephrectomy over other modalities. Laparoscopic partial nephrectomy appears to have a higher rate of radical nephrectomy conversion. CONCLUSION: There is insufficient evidence to clearly state that laparoscopic partial nephrectomy is the gold standard in the management of small renal masses. If this skill is part of a surgeon's armamentarium, it is certainly not inferior to other modalities, and may offer some benefit to patients.

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)0,006
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,051
Tête enseignante GPT0,256
Écart entre enseignants0,206 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetRenal cell carcinoma treatment→Travaux en français237 207→