Adverse events following robotic surgery: population-based analysis
Notice bibliographique
Résumé
BACKGROUND: Robotic surgery was integrated into some healthcare systems despite there being few well designed, real-world studies on safety or benefit. This study compared the safety of robotic with laparoscopic, thoracoscopic, and open approaches in common robotic procedures. METHODS: This was a population-based, retrospective study of all adults who underwent prostatectomy, hysterectomy, pulmonary lobectomy, or partial nephrectomy in Ontario, Canada, between 2008 and 2018. The primary outcome was 90-day total adverse events using propensity score overlap weights, and secondary outcomes were minor or major morbidity/adverse events. RESULTS: Data on 24 741 prostatectomy, 75 473 hysterectomy, 18 252 pulmonary lobectomy, and 6608 partial nephrectomy operations were included. Relative risks for total adverse events in robotic compared with open surgery were 0.80 (95 per cent c.i. 0.74 to 0.87) for radical prostatectomy, 0.44 (0.37 to 0.52) for hysterectomy, 0.53 (0.44 to 0.65) for pulmonary lobectomy, and 0.72 (0.54 to 0.97) for partial nephrectomy. Relative risks for total adverse events in robotic surgery compared with a laparoscopic/thoracoscopic approach were 0.94 (0.77 to 1.15), 1.00 (0.82 to 1.23), 1.01 (0.84 to 1.21), and 1.23 (0.82 to 1.84) respectively. CONCLUSION: The robotic approach is associated with fewer adverse events than an open approach but similar to a laparoscopic/thoracoscopic approach. The benefit of the robotic approach is related to the minimally-invasive approach rather than the platform itself.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».