Current Feasibility of Urologic Telesurgery in Low/Middle Income Countries
Notice bibliographique
Résumé
It is estimated that nearly five billion people do not have access to surgical care. Approximately 94% of individuals in low- and middle-income countries (LMICs) lack access to surgery in comparison to 14.9% in high-income countries (HICs). There are several urologic conditions requiring surgical intervention that are not treated because of the limited number of expert urologists in LMICs. Telesurgery is a concept that connects patients and surgeons in different locations through the use of a robotic surgery system. In this review, we explain the origins of telesurgery as well as the benefits and obstacles to its global implementation. Telesurgery can reduce travel times and the dangers associated with traveling for surgical care in LMICs. Additionally, telesurgery allows patients in LMICs to gain access to expert urologists while also providing effective training to upcoming surgeons. However, LMICs require substantial investment to improve digital infrastructure that will support urologic telesurgery. There will also be ethical, legal, and policy considerations that will need to be resolved for safe and equitable urologic telesurgery to occur. There have been multiple successful applications of urologic telesurgery, suggesting that the technology for this to become routine is already available. The time for international collaboration must begin now to reduce global disparities in access to urologic 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 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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 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 ».