Under pressure: irrigation practice patterns during flexible ureteroscopy
Notice bibliographique
Résumé
Introduction: Irrigation parameters during flexible ureteroscopy (fURS) may impact patient outcomes, yet there are limited data on current practice patterns of irrigation methods and parameter selection. We assessed the common irrigation methods, pressure settings, and situations that present the most problems with irrigation among worldwide endourologists. Methods: A questionnaire on fURS practice patterns was sent to Endourology Society members in January 2021. Responses were collected through QualtricsXM over a 1-month period. The study was reported according to the Checklist for Reporting Results of Internet E-Surveys (CHERRIES). Surgeons were from North America (the United States and Canada), Latin America, Europe, Asia, Africa, and Oceania. Results: Questionnaires were answered by 208 surgeons (response rate 14%). North American surgeons accounted for 36% of respondents; 29% Europe, 18% Asia, and 14% Latin America. In North America, the most common irrigation method was the pressurized saline bag using a manual inflatable cuff (55%). Saline bag (gravity) with a bulb or syringe injection system was the most common method in Europe (45%). Automated systems were the most common method in Asia (30%). For pressures used during fURS, the majority of respondents used 75-150 mmHg. The clinical scenario which had the greatest issue with adequate irrigation was during biopsy of urothelial tumor. Conclusion: There is variation in irrigation practices and parameter selection during fURS. North American surgeons primarily used a pressurized saline bag, in contrast to European surgeons who preferred a gravity bag with a bulb/syringe system. Overall, automated irrigation systems were not commonly used.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».