Robotic versus laparoscopic abdominoperineal resections for low rectal cancer: A single‐center randomized controlled trial
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Robotic surgery for rectal cancer is gaining popularity, but persuasive evidence on reducing surgical trauma is still lacking. This study compared robotic and laparoscopic abdominoperineal resections (APRs) for the risk of postoperative complications in low rectal cancer. METHODS: Between December 2013 and 2016, patients with rectal cancer ≤5 cm from anal verge, cT1-T3 N0-1, or ycT1-T3 Nx stage, and no distant metastases were enrolled in a single-center, randomized, controlled trial. Eligible patients were randomly allocated to robotic or laparoscopic APRs at 1:1 ratio. The primary outcome was 30-day postoperative complication rate (Clavien-Dindo grade II or higher) of the intent-to-treat population. The trial registration number is NCT01985698 (http://www. CLINICALTRIALS: gov). RESULTS: Totally 347 eligible patients were enrolled: 174 in robotic and 173 in laparoscopic group. Robotic APRs significantly reduced postoperative complication rate (13.2% vs. 23.7%, p = 0.013), also reduced open conversion rate (0% vs. 2.9%, p = 0.030), intraoperative hemorrhage (median, 100 vs. 130 ml; p < 0.001), 30-day readmission rate (2.3% vs. 6.9%; p = 0.044), postoperative hospital stay (median, 5.0 vs. 7.0 days; p < 0.001), and improved urinary and sexual function. No significant difference was observed in long-term oncological outcomes. CONCLUSIONS: Compared with laparoscopic APRs, robotic APRs significantly reduced surgical trauma and promoted postoperative recovery.
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) | 0,004 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».