Trends in Renal Stone Clearance after Ureteroscopy: A Review
Notice bibliographique
Résumé
Background and Objectives Stone clearance rate in ureteroscopy has varied over the years. This study aims to review the stone clear-ance rate over the last 25 years and assess the change over time. We have analyzed the reasons for the peaks and troughs in stone clearance rate to see if it correlates with any factors such as the introduction of new technology like the holmium laser, flexible ureteroscopy, access sheaths, and digital ureteroscopy. Material and Methods We performed a PubMed search (August 2019) for papers including the terms “lithiasis”, “stone clear-ance”, “calculi”, “kidney stone”, “ureteric stone”, “ureteroscopy”, “holmium laser”, “retrorenal surgery” in their title and published between the years 1994 and 2019. The stone size, stone clearance rate and mode of imaging to determine clearance rates were recorded. For data analysis, only prospective studies with a minimum of 50 patients and ureteroscopy arm of prospective randomized controlled trials were included. Results We reviewed 16 papers with a total of 1,689 patients with renal stones. Average stone clearance was 80% and the median stone size was 11.0mm. Stone clearance was determined by either: Computed tomography (CT) scan (8 studies), x-ray alone (3 studies), x-ray and ultrasound (3 studies) or not mentioned (2 studies). CT scan yielded lower stone clearance rates than x-ray due to the increased detail shown on CT. For studies that used absolute clearance with no residual stones, average clearance was 52%, and this stone clearance rate increased as the cut-off size used to determine the stone-free rate was increased. Conclusion This study highlights that stone clearance rate after ureteroscopy varies significantly amongst different pa-pers because of the stone size used to define ‘stone-free rate’ and the method of imaging used to determine stone clearance. The study also shows that stone clearance rates have not improved significantly over time, despite the introduction of advances in technology.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,018 | 0,020 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».