Comparison of flexible ureteroscopy damage rates for lower pole renal stones by laser fiber type
Notice bibliographique
Résumé
OBJECTIVES: Laser lithotripsy, often used during ureteronephroscopy (URNS), requires the Ho:YAG optical fiber transmit energy via total internal reflection (TIR). In critical lower pole deflections, energy may refract into the cladding causing fiber failure and scope damage. New optical fiber technology aims to have increased tolerance for high degrees of flexion. We compared two brands of laser fibers with sub-300 micron cores (Sureflex, Boston Flexiva) to determine failure rates and scope repair costs. METHODS: A retrospective cohort study comparing these two fibers for patients at a single academic institution who underwent flexible URNS with laser lithotripsy was performed from September 2013 to October 2015. Preoperative imaging was evaluated for stone burden and location. Intraoperative variables were collected, including energy use, lower pole lasering, laser fiber malfunction, and scope damage. The primary outcome was scope damage caused by laser fiber malfunction. Secondary outcome was scope repair costs. Fisher's exact test and two tailed t-tests were used. RESULTS: Of 223 subjects, 143 met inclusion criteria, and 8 had laser fiber failure. All failures occurred with the Sureflex fiber (8 of 63, 13%) vs the Boston Flexiva fiber (0 of 80, 0%) (P < 0.01). Malfunctions occurred in 8 of 79 lower pole stone applications versus 0 of 64 non-lower pole stone laser applications (P < 0.01). No other risk factor was different between fiber cohorts, except energy setting. Scope repair cost averaged $9155 CDN, yielding an average repair cost per case of $1144 CDN for the Sureflex versus $0 for the Boston fiber (P < 0.01). CONCLUSIONS: Both optical fibers perform well in non-lower pole locations. However, the challenge for laser fibers in lower pole URNS is to maintain TIR. Fiber failure reflects an inability to maintain reflection and is not based on energy used or stone burden. The Boston Flexiva laser fiber has fewer failures, resulting in $0 repair cost per case, compared to the Sureflex fiber in URNS with an average repair cost of $1144 CDN per case. Lasers Surg. Med. 50:798-801, 2018. © 2018 Wiley Periodicals, Inc.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».