Dusting versus Basketing during Ureteroscopy–Which Technique is More Efficacious? A Prospective Multicenter Trial from the EDGE Research Consortium
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: There is scant evidence in the literature to support dusting vs active basket extraction during ureteroscopy for kidney stones. We prospectively evaluated and followed patients to determine which modality produced a higher stone-free rate with the fewest complications. MATERIALS AND METHODS: Members of the Endourologic Disease Group for Excellence research consortium prospectively enrolled patients with a renal stone burden ranging from 5 to 20 mm in this study. A holmium laser was used and all patients were stented postoperatively. Ureteral access sheaths were used in 100% of basketing cases while sheaths were optional when dusting. The primary study outcome was the stone-free rate at 6 weeks as determined by x-ray and ultrasound. RESULTS: , p <0.001). The stone-free rate was significantly higher in the basketing group on univariate analysis (74.3% vs 58.2%, p = 0.04) but not on multivariate analysis (1.9 OR, 95% CI 0.9-4.3, p = 0.11). In patients who underwent a basketing procedure operative time was 37.7 minutes longer than in those treated with a dusting procedure (95% CI 23.8-51.7, p <0.001). There was no statistically significant difference in complication rates, hospital readmissions or additional procedures between the groups. CONCLUSIONS: The stone-free rate was higher for active basket retrieval of fragments at short-term followup on univariate analysis but not on multivariate analysis. There was no difference in postoperative complications or procedures. The 2 techniques should be in the armamentarium of the urologist.
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.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle