Ureteral Reimplantation for Primary Obstructive Megaureter in Pediatric Patients: Is It Time for Robot-Assisted Approach?
Notice bibliographique
Résumé
Objective: To compare open and robotic approach for treatment of Primary Obstructive Megaureter (POM) in a series of pediatric patients. Materials and Methods: Medical records of all patients who had undergone ureteral reimplantation for POM at our institution, between January 2016 and December 2019, were retrospectively collected and analyzed. Open (Group B) and robotic (Group A) approach were compared. Success was defined as reduction of anteroposterior diameter of pelvis and ureter on postoperative ultrasound scan. Surgical complications were reported according to the Clavien-Dindo Classification. Esthetic results were compared through the Vancouver Scar Scale. Results: Out of 23 patients, 11 belonged to Group A (5M and 6F) and 12 to Group B (9M and 3F). Median age at diagnosis was 38 months in Group A and 46 months in Group B (P = .69). Operative times were comparable (150’ Group A and 140’ Group B; P = .35), but the hospital stay was significantly shorter in the robotic group (P < .01). Success rate was comparable: 90.9% in Group A and 91.7% in Group B, respectively (P = .95). Incidence of early complications was 9.1% in Group A (grade IIIB) and 8.3% in Group B (grade II) (P = .95). Esthetic evaluation obtained a median score of 1 in Group A and 3 in Group B (P < .01). Conclusions: Our preliminary experience shows that robotic reimplantation can be a safe option in the treatment of POM in pediatric patients with clinical outcomes comparable to the open technique.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».