Status of robotic-assisted surgery among Canadian urology residents
Notice bibliographique
Résumé
Background: Robotic-assisted surgery (RAS) has been rapidlyadopted in urology, especially in the United States. Although lessprevalent in Canada, RAS is a growing and controversial field that has implications for resident training. We report on the status and perception of RAS among Canadian urology residents.Methods: All Canadian urology residents from anglophone programs were contacted by email and asked to participate in anonline survey. Current resident exposure to, and perception of,RAS was assessed.Results: Of the residents contacted (n = 128), 50 (39%) completed the survey. Of the respondents, 52% have been involved in RAS. Those who have not been involved in RAS express lower interest and lesser knowledge of RAS. Ninety-two percent of respondents feel the use of RAS will increase, although only 29% feel this is feasible in Canada. Just 24% and 36% feel RAS to be superior to open and laparoscopic techniques, respectively. Sixty-eight percent of residents in programs with a robot viewed it as detrimental to training, whereas 81% of residents in programs without one viewedits absence to either have no impact, or even be beneficial. Bothgroups expressed a desire for more experience with RAS.Conclusion: The resident experience with respect to RAS is mixed. Overall, residents view RAS as an expanding field with potentially negative impacts on their present training, although they appear to desire the acquisition of more experience in RAS. We plan to monitor the evolution of these perceptions over next four years.
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 | 0,001 | 0,003 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».