MétaCan
Menu
Retour à la cohorte
Enregistrement W4408000269 · doi:10.21037/ccts-24-9

Implementation of enhanced recovery after surgery program for lung resection

2025· article· en· W4408000269 sur OpenAlexaffabout
Merav Rokah, Lorenzo Ferri

Notice bibliographique

RevueCurrent Challenges in Thoracic Surgery · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueEnhanced Recovery After Surgery
Établissements canadiensMontreal General HospitalMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésResectionMedicineLungSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract: Enhanced recovery after surgery (ERAS) is an evidence-based multimodal protocol of perioperative care. ERAS pathways aim to encompass multiple aspects of the patient trajectory, from referral to recovery. In recent years many ERAS protocols in lung surgery have been established and investigated. The multitude of possible interventions and variability among centers and surgeons make it hard to investigate the impact of each intervention, or pathway. Even with those limitations, ERAS pathways in lung surgery demonstrated benefits such as shorter length of stay (LOS), lower hospital costs, and fewer pulmonary and cardiac complications. In this clinical practice review, we focus on key elements of patient care that are particularly important in lung surgery, including preoperative assessment and counseling, pulmonary functions, preoperative exercise and prehabilitation, pain management, surgical technique, chest drain management, and the use of incentive spirometry. Additionally, we share our experience at the McGill University Health Centre (MUHC) in the development and successful implementation of ERAS protocols in lung surgery, along with our ongoing efforts to reduce complications and LOS, while enhancing the overall patient experience. In conclusion, we assert that the adoption of ERAS protocols in lung surgery is a multidisciplinary process that is both feasible and safe, contributing to improved patient outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,424
Écart entre enseignants0,348 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Challenges in Thoracic SurgeryMême sujetEnhanced Recovery After SurgeryTravaux en français237 207