MétaCan
Menu
Retour à la cohorte
Enregistrement W2911505359 · doi:10.4293/jsls.2018.00085

Improved Outcomes Utilizing a Valveless-Trocar System during Robot-assisted Radical Prostatectomy (RARP)

2019· article· en· W2911505359 sur OpenAlexfundno aff
Mohammed Shahait, Ross Cockrell, Mona Yezdani, Sue-Jean Yu, Alexandra Lee, Kellie McWilliams, David I. Lee

Notice bibliographique

RevueJSLS Journal of the Society of Laparoscopic & Robotic Surgeons · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueIntraoperative Neuromonitoring and Anesthetic Effects
Établissements canadiensnon disponible
Organismes subventionnairesMcGill UniversityUniversity of Pennsylvania
Mots-clésMedicineNauseaProstatectomyVomitingBlood lossSurgeryAnesthesiaComplicationBody mass indexLaparoscopic radical prostatectomyProspective cohort studyUrologyInternal medicineProstateCancer

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: To evaluate the effect of valveless trocar system (VTS) on intra-operative parameters, peri-operative outcomes, and 30-day postoperative complications in patients undergoing robotic-assisted laparoscopic prostatectomy. METHODS: A total of 200 consecutive patients undergoing Robot-assisted radical prostatectomy by a single surgeon were prospectively evaluated using either the valveless trocar (n = 100) or standard trocars (n = 100). Patient demographics, intra-operative parameters, length of stay, presence or absence of postoperative nausea and vomiting, analog pain score at 0-6 hours, 6-12 hours, 12-18 hours, and >24 hours, and 30-day postoperative complications were analyzed. RESULTS: = 0.049), respectively. CONCLUSION: The use of a valveless trocar system during robot-assisted robotic prostatectomy may shorten operative times, and reduce postoperative pain scores and nausea episodes without increasing the 30-day complication rate. Further prospective randomized trials should be performed to validate these findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,264
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJSLS Journal of the Society of Laparoscopic & Robotic SurgeonsMême sujetIntraoperative Neuromonitoring and Anesthetic EffectsTravaux en français237 207