Mastery in Bariatric Surgery
Notice bibliographique
Résumé
OBJECTIVE: To determine the effect of cumulative volume on all-cause morbidity and operative time. BACKGROUND: Gastric bypass is an important public health procedure, but it is difficult to master with little data about how surgeon cumulative volume affects outcomes longitudinally. METHODS: This was a longitudinal study of 29 surgeons during the first 6 years of performing bariatric surgery in a high-volume, regionalized center of excellence system. Cumulative volume was determined using date and time of the procedure. Cumulative volume was analyzed in blocks of 75 cases. The main outcome of interest was all-cause morbidity during the index admission and the secondary outcome was operative time. RESULTS: Overall, 11,684 gastric bypasses were performed by 29 surgeons at 9 centers of excellence. The overall morbidity rate was 10.1% and short-term outcomes were related significantly to cumulative volume. Perioperative risk plateaued after approximately 500 cases and was lowest for surgeons who had completed more than 600 cases (odds ratio 0.53 95% confidence interval 0.26-0.96 P = 0.04) compared to the first 75 cases. Operative time also stabilized after approximately 500 cases, with an operative time 44.7 minutes faster than surgeons in their first 75 cases (95% confidence interval 37.0-52.4 min P < 0.001). CONCLUSIONS: The present study demonstrated the clear, substantial influence of surgeon cumulative volume on improved perioperative outcomes and operative time. This finding emphasizes role of the individual surgeon in perioperative outcomes and that the true learning curve needed to master a complex surgical procedure such as gastric bypass is longer than previously thought, in this case requiring approximately 500 cases to plateau.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 ».