MétaCan
Menu
Retour à la cohorte
Enregistrement W4327601571 · doi:10.3390/cancers15061793

Robotic versus Laparoscopic Partial Nephrectomy in the New Era: Systematic Review

2023· review· en· W4327601571 sur OpenAlexaboutno aff
Estefanía Ruiz Guerrero, A.V. Ojeda Claro, M.J. Ledó Cepero, Manuel Soto Delgado, J.L. Álvarez-Ossorio Fernández

Notice bibliographique

RevueCancers · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNephrectomyMedicineGold standard (test)Robotic surgerySurgeryLaparoscopyLaparoscopic surgeryKidney cancerGeneral surgeryUrologyKidneyRenal cell carcinomaRadiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

(1) Background: In recent years there have been advances in imaging techniques, in addition to progress in the surgery of renal tumors directed towards minimally invasive techniques. Thus, nephron-sparing surgery has become the gold standard for the treatment of T1 renal masses. The aim of this study is to investigate the benefits of robotic partial nephrectomy in comparison with laparoscopic nephrectomy. (2) Methods: We performed a systematic review according to the PRISMA criteria during September 2022. We included clinical trials, and cohort and case-control studies published between 2000 and 2022. This comprised studies performed in adult patients with T1 renal cancer and studies comparing robotic with open and laparoscopic partial nephrectomy. A risk of bias assessment was performed according to the Newcastle-Ottawa scale. (3) Results: We observed lower hot ischemia times in the robotic surgery groups, although at the cost of an increase in total operative time, without appreciating the differences in terms of serious surgical complications (Clavien III-V). (4) Conclusions: Robotic partial nephrectomy is a safe procedure, with a shorter learning curve than laparoscopic surgery and with all the benefits of minimally invasive surgery.

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)0,005
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,005
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,120
Tête enseignante GPT0,377
Écart entre enseignants0,257 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations38
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetRenal cell carcinoma treatmentTravaux en français237 207