Status of robotic surgery in pediatric genitourinary tumors: A systematic review
Notice bibliographique
Résumé
Innovative surgical approaches are crucial in pediatric oncology to enhance treatment outcomes and minimize morbidity. Robotic-assisted surgery (RAS) has shown promise in both surgical precision and recovery in pediatric patients. This systematic review aims to address this gap by examining the current role and impact of RAS in managing pediatric genitourinary tumors, focusing on its feasibility, safety, and patient outcomes. This review was registered with PROSPERO (CRD42023464820). We included studies involving pediatric patients undergoing RAS for genitourinary tumors, focusing on outcomes like conversion rates, resection completeness, and complications. Studies were identified through searches in PubMed, EMBASE, and Scopus until October 2023. Study quality and bias were assessed using ROBINS-I for cohort studies and Joanna Briggs Institute tools for case reports and series. Of 2119 citations, 42 studies were included, comprising 29 case reports, five case series, and eight retrospective cohort studies. Robotic-assisted renal surgeries were most common, with favorable outcomes in terms of resection completeness and low recurrence rates. Adrenal, bladder, and retroperitoneal surgeries also showed promising results, although rare instances required conversion to open surgery. Collaborative efforts and perioperative aids like intraoperative ultrasound and three-dimensional modeling were crucial for success. This work is limited by the lack of large cohort studies and addressing the learning curve associated with these procedures. RAS shows promise in treating pediatric genitourinary tumors, offering precise resections and favorable outcomes, warranting further research and refinement.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 ».