MétaCan
Menu
Retour à la cohorte
Enregistrement W4312984764 · doi:10.1093/bjs/znac231.018

P18 Assessment of da Vinci robotic system for paediatric laparoscopic procedures

2022· article· en· W4312984764 sur OpenAlexaff
PA Johnson, JC Johnson, AA Mardon

Notice bibliographique

RevueBritish journal of surgery · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineHaptic technologyLearning curveDa Vinci Surgical SystemMEDLINERobotic surgeryMedical physicsTraining systemSurgeryArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction We aimed to evaluate the da Vinci surgical system in its application for robotic-assisted laparoscopic surgery in paediatric patients. Methods A narrative review of the literature on the use of this technology was performed following ENTREQ guidelines using PubMed/Medline, EMBASE, and Google Scholar databases with no setting or language restrictions. Results A total of 16 publications were selected for inclusion. Although the literature on the accuracy and precision of this technology are encouraging, its use in paediatric patients are still in its early stages and has yet to be explored in great detail. In addition to the technical intricacies, training and learning curve, port placement complications, cost, we identified concerning shortcomings including its bulkiness and lack of force feedback, which lead to procedural injuries notably, tearing of muscles, blood vessels, and nerves, as well as surgical error. For both, we propose sensory haptic feedback systems, soft tissue model, image-guided or virtual reality simulation training to reduce these injury-related complications. However, this does not replace the necessity for “supervised trial and error” operation of the robotic system in surgical settings. Conclusion Innovations in educational training for robotic surgery include tele-presence surgeries and robotic tele- mentoring, whereby expert surgeons share the same surgical field of view and controls as the training surgeon. In spite of this, there are inevitable risks associated with training when training surgeons must practice through trial and error on real patients and an emphasis must be placed on apposite pre-procedural surgical training. Take-home message Though promising, the use of the Da Vinci robotic system in children is still emerging and thus warrants further evaluation, training, and development prior to its routine implementation for use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,313
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish journal of surgeryMême sujetSurgical Simulation and TrainingTravaux en français237 207