Experience beyond the learning curve of transanal total mesorectal excision (taTME) and its effect on the incidence of anastomotic leak
Notice bibliographique
Résumé
BACKGROUND: The most important advancement in the surgical management of rectal cancer has been the introduction of total mesorectal excision (TME). Technical limitations to approaching mid and distal lesions remain. The recently described transanal TME makes it possible to minimize some of the difficulties by improving access. Anastomotic leak is a persistent concern after colorectal surgery no matter what technique is used. The objective of this study was to explore the impact of experience on the incidence of anastomotic leak after transanal TME. Secondary endpoints were local recurrence and margin status. METHODS: A retrospective cohort study was conducted over a period of 3 years at a tertiary care center in Northern Ontario with high volume of rectal cancer patients. The initial 100 consecutive patients with rectal neoplasia who had transanal TME surgery were included. All cases were performed by a single team. The main outcome assessed was the incidence of anastomotic leak beyond a pre-determined learning curve, as previously established in the literature. For statistical analysis, associations between patient characteristics and outcomes were estimated using ordinary least squares and logistic regression. RESULTS: Six cases of anastomotic leak occurred over the course of the study, the last of which occurred in the 37th patient. Relative to a baseline anastomotic leak rate of 7.8%, cumulative sum (CUSUM) analysis indicated that a 50% improvement in risk occurred at trial 50 of 85 patients that had an anastomosis performed. Two patients developed local recurrence during the study period. No correlation between learning curve and oncologic outcomes was identified. CONCLUSIONS: Proficiency is likely to have a positive effect on the 30-day occurrence of anastomotic leak. Larger studies are required to explore the impact of experience on local recurrence.
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 | 0,001 | 0,010 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».