Long-term patient outcomes from the first year of a robotic surgery program using multi-surgeon implementation
Notice bibliographique
Résumé
INTRODUCTION: There is concern that surgical quality initially declines during the learning phase of robotic surgery. At our institution, we used a multi-surgeon programmatic approach to the introduction of robotic surgery. The purpose of this study was to evaluate outcomes of patients treated during the first year of our program. METHODS: This is a historical cohort of all radical prostatectomy patients during a one-year period. Baseline, perioperative, and long-term followup data were prospectively and retrospectively collected. Treatment failure was a composite of any postoperative radiation, androgen-deprivation, or prostate-specific antigen (PSA) ≥0.2. RESULTS: During the study period, 225 radical prostatectomy procedures were performed (104 robotic and 121 open). Baseline characteristics were similar between groups (p>0.05). All patients were continent and 74% were potent prior to surgery. Mean estimated blood loss (280 cc vs. 760 cc; p<0.001) and blood transfusion (0% vs. 8.3%; p=0.002) was lower in the robotic cohort. Non-transfusion complications were similar between groups (13% vs. 12%; p=0.7). Mean hospital stay was shorter in the robotic cohort (1.4 vs. 2.5 days). There was no difference in overall positive margin rate (38% vs. 43%; p=0.4) or treatment failure at a median followup of 3.5 years (p=0.4). Robotically treated patients were more often continent (89% vs. 77%; p=0.02) and potent (48% vs. 32%; p=0.02). CONCLUSIONS: Using an inclusive multi-surgeon approach, robotic pros-tatectomy was introduced safely at a Canadian academic institution.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».