Quality assessment of robotic repair of benign ureteral strictures
Notice bibliographique
Résumé
INTRODUCTION: Endourologic treatments are first-line interventions for short ureteral strictures. With long strictures and endourologic failures, open repair has historically been used; however, robotic-assisted approaches have recently been shown to be effective. As a quality measure, we wanted to assess the performance of robotic ureteral reconstruction compared with open surgical repair during our transition to robotic surgery at a Canadian tertiary care center. METHODS: From 2011-2024, 43 complex ureteral stricture cases (19 open, 24 robotic) were performed. The primary outcome was six-month success defined by a composite of stent/pain-free status and renogram elimination half-life (T½). Secondary outcomes included length of stay, operative time, estimated blood loss, and complications. RESULTS: Success rates at six months were non-significantly different between robotic and open repair (83% vs. 79%, p=0.36). Length of stay was shorter in the robotic group (3.1±1.9 vs. 4.9±3.3 days, p=0.018). Estimated blood loss (231±84 vs. 244±170 mL, p=0.30) and operative time (220±67 vs. 214±74 minutes, p=0.40) were comparable between groups. Complication rates were similar between groups. CONCLUSIONS: Overall, robotic reconstruction yields equivalent six-month success to open repair, with shorter length of stay. These findings support continuing robotic-assisted ureteral reconstruction as a safe and effective alternative to open surgery, offering equivalent short-term success and reduced hospital stay.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».