Perioperative and oncological outcomes of robot-assisted laparoscopic partial nephrectomy for cystic and solid renal masses: Evidence from controlled trials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To evaluate the outcomes of robot-assisted partial nephrectomy (RAPN) for solid and cystic renal tumors. We systematically searched the Cochrane Library, PubMed, EMBASE, and Scopus databases up to March 2023. Review Manager 5.4 performed a pooled analysis of the data for random effects. Besides, sensitivity and subgroup analyses to explore heterogeneity, Newcastle-Ottawa scale, and GRADE to evaluate study quality and level of evidence. Five observational studies comprising 1353 patients (Cystic tumor: 183; Solid tumor: 1083) were included in this study. Compared to solid masses, cystic masses were associated with fewer major complications (odds ratio [OR] = 2.2; 95% confidence intervals [CI] = 1.17 to 4.13; p = 0.01). Additionally, no significant differences were observed between the two groups in terms of operative time, warm ischemia time, blood loss, hospital stay, intraoperative complications, postoperative complications, transfusion rate, postoperative estimated glomerular filtration rate (eGFR), eGFR preservation, positive surgical margin (PSM), recurrence, overall survival (OS), cancer-specific survival (CSS), recurrence-free survival (RFS) and trifecta achievement. RAPN can be performed in cystic renal tumors with perioperative, functional, and oncologic outcomes like those achievable in solid tumors. However, our findings need further validation in a large-sample prospective randomized study.
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.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 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 | 0,000 |
| 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 découle