The impact of robotics in liver surgery: A worldwide systematic review and short‐term outcomes meta‐analysis on 2,728 cases
Notice bibliographique
Résumé
BACKGROUND: The dissemination of robotic liver surgery is slow-paced and must face the obstacle of demonstrating advantages over open and laparoscopic (LLS) approaches. Our objective was to show the current position of robotic liver surgery (RLS) worldwide and to identify if improved short-term outcomes are observed, including secondary meta-analyses for type of resection, etiology, and cost analysis. METHODS: A PRISMA-based systematic review was performed to identify manuscripts comparing RLS vs open or LLS approaches. Quality analysis was performed using the Newcatle-Ottawa score. Statistical analysis was performed after heterogeneity test and fixed- or random-effect models were chosen accordingly. RESULTS: After removing duplications, 2728 RLS cases were identified from the final set of 150 manuscripts. More than 75% of the cases have been performed on malignancies. Meta-analysis from the 38 comparative reports showed that RLS may offer improved short-term outcomes compared to open procedures in most of the variables screened. Compared to LLS, some advantages may be observed in favour of RLS for major resections in terms of operative time, hospital stay and rate of complications. Cost analyses showed an increased cost per procedure of around US$5000. CONCLUSIONS: The advantages of RLS still need to be demonstrated although early results are promising. Advantages vs open approach are demonstrated. Compared to laparoscopic surgery, minor perioperative advantages may be observed for major resections although cost analyses are still unfavorable to the robotic approach.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,008 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».