MétaCan
Menu
Retour à la cohorte
Enregistrement W4320729623 · doi:10.1002/bco2.228

The first SURS World Congress of Robotic Surgery at Mount Sinai Hospital in New York City: A tribute to the past and the future of robotic urologic surgery

2023· editorial· en· W4320729623 sur OpenAlexaboutno aff
Raghav Gupta, Deepak Chopra, Ashok K. Hemal, Siddhartha Mukherjee, Craig Rogers, Chandru P. Sundaram, Ashutosh Tewari

Notice bibliographique

RevueBJUI Compass · 2023
Typeeditorial
Langueen
DomaineMedicine
ThématiqueUreteral procedures and complications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRobotic surgeryKarelMedicinePaceRoboticsRobotArtificial intelligenceSurgeryComputer scienceHistoryArt historyGeography

Résumé

récupéré en direct d'OpenAlex

Technological innovation is a microcosm of human curiosity, intellectual prowess, and perseverance in the face of adversity.The past century and a half have been rife with a series of technologic 'firsts'.From the origins of manned flight in 1903 to the development of the Apollo programme culminating in extraterrestrial travel in 1969, much was achieved during this short period.The pace of innovation in surgery has paralleled that of these other industries.In urology, the advent of robotics has had a profound impact by enabling surgeons to perform procedures with an unprecedented level of precision, enhanced visualization, and decreased invasiveness in comparison to conventional open surgery.Derived from the Czech word 'robota', robot refers to a device capable of doing forced work, and was first referenced to by the author Karel Capek in 1920. 1 Though industrial robots were introduced in the 1960s (e.g., General Motors & the Unimate robot), it was not until decades later that they began to be utilized in medicine in fields including orthopaedic surgery, neurosurgery and urology.[2][3][4] The PROBOT, developed in 1989 in London, was the first urologic robot used clinically to assist in performing transurethral prostatic resections.5 This was followed by the development of a robot at Johns

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0520,014

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 Opus0,023
Tête enseignante GPT0,253
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBJUI CompassMême sujetUreteral procedures and complicationsTravaux en français237 207