MétaCan
Menu
Retour à la cohorte
Enregistrement W2945663546 · doi:10.1089/cren.2018.0079

A New Technique for Percutaneous Nephrolithotomy Using Retrograde Ureteroscopy and Laser Fiber to Achieve Percutaneous Nephrostomy Access: The Initial Case Report

2019· article· en· W2945663546 sur OpenAlexaff
Carlos Alberto Uribe, Hugo Osório, Johana Benavides, Zachary A. Valley, Kamaljot S. Kaler

Notice bibliographique

RevueJournal of Endourology Case Reports · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueKidney Stones and Urolithiasis Treatments
Établissements canadiensSAIT Polytechnic
Organismes subventionnairesnon disponible
Mots-clésURETEROSCOPEMedicinePercutaneous nephrolithotomyNephrostomyUreteroscopyPercutaneous nephrostomyLithotripsySurgeryLithotomy positionPercutaneousLaser lithotripsyUreter

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Percutaneous nephrolithotomy (PCNL) serves as the gold standard minimally invasive procedure to remove large renal stones. The puncture is made from the skin to the chosen calix under fluoroscopic guidance, although this remains a challenging technique. We describe the initial case of retrograde holmium laser acquired nephrostomy access. Case Presentation: In this study, we present the case of a 48-year-old woman with right renal colic with imaging revealing a 2.6 cm staghorn stone. With institutional approval, we performed a new technique utilizing retrograde access with a flexible ureteroscope and a holmium laser fiber to achieve nephrostomy access for PCNL in the prone position. With the ureteroscope confirmed in the desired calix, the ureteroscope and laser fiber were aimed and fired toward the flank and thus creating a subcostal nephrostomy tract. PCNL was then carried out per standard of care lithotripsy techniques utilizing the holmium laser. Conclusion: In this initial case, percutaneous retrograde laser access allowed for desired caliceal nephrostomy access under direct vision.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0080,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,028
Tête enseignante GPT0,351
Écart entre enseignants0,323 · 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'étudeÉtude de cas
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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Endourology Case ReportsMême sujetKidney Stones and Urolithiasis TreatmentsTravaux en français237 207