Enhancing efficiency in ESD: a comparative analysis of ERBE VIO3 and 300d electrosurgical units
Notice bibliographique
Résumé
Abstract Aims Electrosurgical units (ESUs) are essential for tissue dissection hemostasis during ESD. The ERBE VIO 3, enables rapid setting changes, facilitating the swift application of vessel sealing current. Additionally, features such as PreciseSect mode allow dynamic modulation frequency adjustment, making it suitable for submucosal dissection and vessel management. Our comparison of the ERBE VIO3 and 300d aims to assess whether these functionalities enhance the ESD experience. Methods From 2021 to 2024, 88 patients undergoing ESD for colorectal lesions were identified from a prospectively maintained database. Lesions were categorized based on the ESU utilized. Results Eighty-eight procedures were identified. Forty-four (50.0%) procedures were performed using VIO 3 and 44 (50.0%) using VIO 300d. 40 (45.5%) lesions were colonic and 48 (54.5%) rectal. Median lesion diameter was 4.5 cm. Lesions in the VIO3 group were significantly larger (P = 0.027). All ESDs were completed en bloc. Use of the VIO3 resulted in a significantly fewer uses of coagulation graspers overall (28 vs 23, P < 0.001), fewer uses of coagulation graspers for arterial bleeding (1 vs 2, P < 0.001), fewer uses of coagulation graspers per cm2 (0.17 vs 0.58, P < 0.001), and fewer uses of coagulation graspers per minute (0.011 vs 0.066, P < 0.001). This led to a non-significant trend in increased efficiency with use of the VIO3 (4.6 vs 5.1 min/cm2, P = 0.667). Conclusions The VIO 3 significantly decreased reliance on coagulation graspers, particularly in addressing arterial bleeding. This holds the potential to enhance procedural efficiency, reduce bleeding, and lower costs associated with coagulation graspers usage.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».