418 SYSTEMATIC REVIEW OF LEARNING CURVES IN MINIMALLY INVASIVE PARAESOPHAGEAL HERNIA REPAIR: IS THERE ENOUGH EVIDENCE FOR MENTORSHIP IN SURGICAL RESIDENCY?
Notice bibliographique
Résumé
Abstract Laparoscopic repair remains the approach of choice for the surgical management of symptomatic paraesophageal hernia (PEH), although robotic techniques are becoming increasingly popular. The learning curve for minimally invasive PEH repair can be variable and little is known of its potential impact upon surgical residents’ training. The aim of this review is to appraise current literature on learning curves in PEH repair and its impact on training and mentorship of surgical residents. Methods Literature searches were performed in three databases: MEDLINE (1980-2020), EMBASE and the Cochrane Library. Search results were screened in line with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. Data quality was assessed in accordance with the Newcastle-Ottawa Scale for cohort studies. Results A total of 6 studies were identified; 4 laparoscopic and 2 robotic assisted with 2678 patients assessed in total. One study used a cumulative sum (CUSUM) analysis to define learning with the remainder of studies using between 3 and 11 parameters. 2 studies evaluated trainees’ performance in performing laparoscopic PEH repair when mentored by surgeons who had achieved competence on the learning curve. Both studies reported equivalent clinical outcomes for laparoscopic PEH repair performed by trainees versus consultants, although one study suggested 5-year outcomes were inferior in the trainee group despite mentorship. Conclusion Despite being commonly performed, little is known about the learning curves for minimally invasive PEH repair. Furthermore, whether prior laparoscopic experience confers any advantage to performing robotic PEH repair is not known at present. Further data to help evaluate the learning curve for those performing PEH is required in order to enhance training and permit quicker attainment of competency.
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 | 0,018 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,013 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».