Analysis of the top-down HoLEP learning curve: A single-center experience of two clinical fellows
Notice bibliographique
Résumé
INTRODUCTION: Holmium laser enucleation of the prostate (HoLEP) is known to have a steep learning curve. The top-down technique was introduced to lessen the number of procedures required to master HoLEP. We aimed to present the experiences of two successive clinical fellows with the top-down HoLEP learning curve and compare their performance with the supervisor. METHODS: We conducted a prospective study of 40 patients who underwent top-down HoLEP performed by two successive fellows at our institution from September 2020 to November 2022. Before data collection, each learner observed three top-down HoLEP procedures and assisted with seven additional cases before independently performing top-down HoLEP under supervision. We collected data from each fellow's first 20 consecutive top-down HoLEP procedures. The learners' cases were grouped according to chronological order (Cases 1-10 and 11-20). The primary outcome was defined as the number of cases before the fellow could independently complete all steps of top-down HoLEP without any major intraoperative complications. The secondary outcomes included the intraoperative and postoperative outcomes of both groups. The fellows' 40 cumulative cases were then compared against retrospective data from 148 procedures conducted by their supervisor. RESULTS: There were no significant differences in patient demographics for both clinical fellows. Each learner performed the first 20 cases independently without needing the supervisor to intervene. No major intraoperative complications were recorded, and there were no statistically significant differences in intraoperative and postoperative outcomes between fellows' cases. There was a statistically significant difference between the fellows and their supervisor in terms of operative efficiency and enucleation efficiency (p < 0.001). We did not find a significant difference between the fellows and the supervisor regarding intraoperative complications, major postoperative complications, or postoperative subjective and objective parameters. CONCLUSIONS: Top-down HoLEP shows promising and reproducible results in shortening HoLEP's learning curve. Larger comparative and multi-institutional studies are warranted.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».