Robotic-assisted thoracoscopic surgery for lung resection: the first Canadian series
Notice bibliographique
Résumé
<h3>Background:</h3> Robotic surgery was introduced as a platform for minimally invasive lung resection in Canada in October 2011. We present the first Canadian series of robotic pulmonary resection for lung cancer. <h3>Methods:</h3> Prospective databases at 2 institutions were queried for patients who underwent robotic resection for lung cancer between October 2011 and June 2015. To examine the effect of learning curves on patient and process outcomes, data were organized into 3 temporal tertiles, stratified by surgeon. <h3>Results:</h3> A total of 167 consecutive patients were included in the study. Median age was 66 (range 27–88) years, and 46.1% (<i>n</i> = 77) of patients were men. The majority of patients (<i>n</i> = 141, 84%) underwent robotic lobectomy. Median duration of surgery was 270 (interquartile range [IQR] 233–326) minutes, and median length of stay (LOS) was 4 (IQR 3–6) days. Twelve patients (7%) were converted to thoracotomy. Total duration of surgery and console time decreased significantly (<i>p</i> < 0.001) across tertiles, with a steady decline until case 20, followed by a plateau effect. Across tertiles, there was no significant difference in LOS, number of lymph node stations removed, or perioperative complications. <h3>Conclusion:</h3> The results of this case series are comparable to those reported in the literature. A prospective study to examine the outcomes and cost of robotic pulmonary resection compared with video-assisted thoracoscopic surgery should be done in the context of the Canadian health care system. We have presented the first consecutive case series of robotic lobectomy in Canada. Outcomes compare favourably to other series in the literature.
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 | 0,001 | 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 | 0,002 | 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 ».