Comparison of Laparoscopic and Robotic Lateral Lymph Node Dissection for Rectal Cancer: A Systematic Review and Meta-analysis of Short- and Long-term Outcomes
Notice bibliographique
Résumé
AIM: The importance of lateral lymph node dissection (LLND) for advanced low rectal cancer is still questioned, but selected patients might benefit from this procedure. The purpose of this study was to compare robotic LLND (R-LLND) versus laparoscopic LLND (L-LLND) to identify the safety, feasibility, and advantages of R-LLND. METHODS: PubMed, Scopus, and Cochrane databases were searched for studies assessing the benefit of R-LLND over L-LLND. Pooled odds ratios (OR) and weighted mean difference (WMD) were obtained using models with random effects. The risk of bias was evaluated with the Newcastle-Ottawa scale. RESULTS: Six studies were included in our analysis for a total of 652 patients (316 robotic and 336 laparoscopic). The R-LLND group had a longer operative time (WMD 60.46, p = 0.02) and less blood loss (WMD –22.33, p = 0.01). Differences were found in the postoperative length of stays (7 days ± 1.2 and 14 ± 5.2 versus 7 days ± 0.3 and 16 ± 18.5, WMD –1.30, p = 0.03) and in the mean time to regular diet (3 days ± 0.5 and 5 ± 2.3 versus 3 days ± 1.2 and 6 ± 3.8, WMD –0.60 p = 0.01); a slightly higher number of harvested lateral lymph nodes was present in the L-LLND group (WMD 1.23, p = 0.02). CONCLUSIONS: Our work demonstrates a slight benefit from the robotic approach when performing LLND in terms of intra- and peri-operative outcomes, despite not reaching statistical significance a trend in favor of robotic surgery is evident in almost all the analyzed topic.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,033 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».