Learning curve for completely thoracoscopic anatomic sublobar resection
Notice bibliographique
Résumé
BACKGROUND: Minimally invasive anatomic sublobar resection is increasingly being considered as an alternative to lobectomy in selected cases. However, this remains a technically challenging procedure and only 5 studies evaluating learning curves have been published to date. The aim of this study was to evaluate a single surgeon's learning curve for completely thoracoscopic anatomic sublobar resection. METHODS: A retrospective review was conducted of all thoracoscopic anatomic sublobar resections by one surgeon proficient in VATS lobectomy between January 2015 and January 2020. The primary outcome was operative time. Secondary outcomes were perioperative complications, duration of chest tube drainage and length of stay. RESULTS: There were 67 thoracoscopic anatomic sublobar resections performed in 66 patients. A Time-series plot and Cumulative Sum analysis of operative times showed a drop off after case 32, suggesting achievement of competency. After case 32, mean operative times were decreased (128.59±32.42 min. vs. 153.63±40.16 min, P=0.013) and there was a trend toward decreased blood loss (124.26±76.0 vs. 175.0±141.99 mL, P=0.073). A percentage 13.6% of patients had postoperative complications other than air leak and 88,9% of these were Clavien-Dindo class 1-2; postoperative complications were evenly distributed before and after case 32. Cumlulative Sum curves for the duration of chest tube drainage and length of stay did not show any significant change during the study period. CONCLUSIONS: This study suggests that for a surgeon proficient in VATS lobectomy, competency in completely thoracoscopic anatomic sublobar resection can be achieved after 32 cases and can be accomplished in a way that does not compromise perioperative outcomes.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,003 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».