Intrarenal Pressure Measured Using a Novel Flexible Ureteroscope with Pressure Sensing Capabilities: A Study of the Effects of Ureteral Access Sheath, Irrigation, and Working Channel Accessories
Notice bibliographique
Résumé
Introduction: Intrarenal pressure is emerging as an important monitoring parameter during flexible ureteroscopy (fURS). We measure how intraoperative conditions affect intrarenal pressure using a novel pressure sensing ureteroscope. Methods: The LithoVue Elite (LVE) single-use digital flexible ureteroscope (Boston Scientific) is the first commercial ureteroscope that senses pressure at its tip. LVE was used in a porcine model to measure intrarenal pressure with and without a ureteral access sheath (UAS) with various sizes and placement locations, irrigation methods, and working channel accessories. LVE pressure accuracy was measured in a bench model. This abstract shows the least-square means from multiway analysis of variances used for analysis. Results: Intrarenal pressures were the highest without a UAS (64 mm Hg), followed by the 11/13 UAS (51 mm Hg) and the 12/14 and 13/15, which were not statistically different (39–40 mm Hg). The pressures were highest with UASs placed at the ureteropelvic junction (61 mm Hg), and lowest if placed in the renal pelvis (24 mm Hg). Irrigation methods showed the highest pressures with syringe (57 mm Hg), while irrigation bags (pressurized at 150–300 mm Hg) produced 43 to 46 mm Hg and 25 mm Hg when applied with 80 cm of gravity. Placing a 200 μm laser fiber reduced pressures from 44 to 41 mm Hg. Finally, the bench model showed that LVE was 96% accurate up to 300 mm Hg. Conclusion: Intrarenal pressure significantly varied based on UAS sizes, placement, and irrigation methods. Accordingly, fURS with LVE is poised to be an invaluable tool for clinical decision-making and future studies of intrarenal pressure.
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) | 0,001 | 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 ».