Predictors and Outcomes Associated with Bariatric Robotic Delivery: An MBSAQIP Analysis of 318,151 Patients
Notice bibliographique
Résumé
Background: The adoption of robotic bariatric surgery has increased dramatically over the last decade. While outcomes comparing bariatric and laparoscopic approaches are debated, little is known about patient factors responsible for the growing delivery of robotic surgery. A better understanding of these factors will help guide the planning of bariatric delivery and resource allocation. Methods: Data were extracted from the MBSAQIP registry from 2020 to 2021. The patient population was organized into primary robot-assisted sleeve gastrectomy or Roux-en-Y gastric bypass (RYGB) versus those who underwent laparoscopic procedures. Bivariate analysis and multivariable logistic regression modeling were conducted to characterize cohort differences and identify independent patient predictors of robotic selection. Results: Of 318,151, 65,951 (20.7%) underwent robot-assisted surgery. Patients undergoing robotic procedures were older (43.4 ± 11.8 vs. 43.1 ± 11.8; p < 0.001) and had higher body mass index (BMI; 45.4 ± 7.9 vs. 45.0 ± 7.6; p < 0.001). Robotic cases had higher rates of medical comorbidities, including sleep apnea, hyperlipidemia, gastroesophageal reflux disease (GERD), and diabetes mellitus. Robotic cases were more likely to undergo RYGB (27.4% vs. 26.4%; p < 0.001). Robotic patients had higher rates of numerous complications, including bleed, reoperation, and reintervention, resulting in higher serious complication rates on multivariate analysis. Independent predictors of robotic selection included increased BMI (aOR 1.02), female sex (aOR 1.04), GERD (aOR 1.12), metabolic dysfunction, RYGB (aOR 1.08), black racial status (aOR 1.11), and lower albumin (aOR 0.84). Conclusions: After adjusting for comorbidities, patients with greater metabolic comorbidities, black racial status, and those undergoing RYGB were more likely to receive robotic surgery. A more comprehensive understanding of patient factors fueling the adoption of robotic delivery, as well as those expected to benefit most, is needed to better guide healthcare resources as the landscape of bariatric surgery continues to evolve.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».