Differences in Patient Characteristics Among Men Choosing Open or Robot-Assisted Radical Prostatectomy in Contemporary Practice at a European High-Volume Center
Notice bibliographique
Résumé
OBJECTIVE: To examine the characteristics of robot-assisted radical prostatectomy (RARP) and open radical prostatectomy (ORP) patients at a high-volume center. PATIENTS AND METHODS: We relied on the Martini-Clinic database and focused on prostate cancer patients treated in 2013. Characteristics in ORP and RARP patients were assessed. In multivariable logistic regression analyses (MVA), we predicted RARP treatment. RESULTS: Of 1,920 patients, 575 (29.9%) underwent RARP and 1,345 (70.1%) ORP. RARP patients had a lower prostate-specific antigen (PSA), and were less likely to harbor pT3b, pathological Gleason ≥4 + 4 or lymph node metastases (all p < 0.05). Pelvic lymph node dissection (PLND) (84.3 vs. 87.0%, p = 0.1), as well as positive surgical margins (15.5 vs. 15.7%, p = 0.7) and the nerve-sparing status (p = 0.5) were comparable between RARP and ORP. Lymph node yield (median 11 vs. 16), and median blood loss (250 vs. 700 ml) were lower at RARP (all p < 0.001). Additionally, the median operating room time was higher at RARP (215 vs. 185 min, p < 0.001). In MVA, patients with body mass index (BMI) ≥30 were more likely to undergo RARP (OR 1.8, 95% CI 1.3-2.4, p < 0.001). Conversely, patients with PSA >20 ng/ml were less likely to undergo RARP (OR 0.6, 95% CI 0.4-1.0, p = 0.03). CONCLUSIONS: More favorable pathological characteristics were recorded at RARP. High BMI and low PSA were independent predictors for RARP. Treatment characteristics such as PLND rates, margin status and nerve sparing were comparable between RARP and ORP. Despite lower blood loss at RARP, a longer operating room time and lower yield of lymph nodes were recorded.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».