Comparison of robotic and laparoscopic colorectal resections with respect to 30-day perioperative morbidity
Notice bibliographique
Résumé
BACKGROUND: Robotic surgery has emerged as a minimally invasive alternative to traditional laparoscopy. Robotic surgery addresses many of the technical and ergonomic limitations of laparoscopic surgery, but the literature regarding clinical outcomes in colorectal surgery is limited. We sought to compare robotic and laparoscopic colorectal resections with respect to 30-day perioperative outcomes. METHODS: The American College of Surgeons National Surgical Quality Improvement Program database was used to identify all patients who underwent robotic or laparoscopic colorectal surgery in 2013. We performed a logistic regression analysis to compare intraoperative variables and 30-day outcomes. RESULTS: There were 8392 patients who underwent laparoscopic colorectal surgery and 472 patients who underwent robotic colorectal surgery. The robotic cohort had a lower incidence of unplanned intraoperative conversion (9.5% v. 13.7%, p = 0.008). There were no significant differences between robotic and laparoscopic surgery with respect to other intraoperative and postoperative outcomes, such as operative duration, length of stay, postoperative ileus, anastomotic leak, venous thromboembolism, wound infection, cardiac complications and pulmonary complications. On multivariable analysis, robotic surgery was protective for unplanned conversion, while male sex, malignancy, Crohn disease and diverticular disease were all associated with open conversion. CONCLUSION: Robotic colorectal surgery has comparable 30-day perioperative morbidity to laparoscopic surgery and may decrease the rate of intraoperative conversion in select 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 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) | 0,001 | 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 | 0,000 | 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 ».