Robotic pyeloplasty: experience with three robotic platforms.
Notice bibliographique
Résumé
PURPOSE: Laparoscopic pyeloplasty is a technically challenging procedure. Currently, several robotic surgical systems exist to overcome laparoscopic technical challenges confronted during pyeloplasty. We present a clinical comparison between three robotic surgical systems (Aesop, Zeus and da Vinci) in assisting laparoscopic pyeloplasty procedures. METHODS: From January 2002 to August 2005, 32 dismembered laparoscopic pyeloplasties were performed using three robotic surgical systems. The results of the initial six, five and nine laparoscopic robotic pyeloplasty procedures performed using the Aesop, Zeus and da Vinci platforms were compared. Data relating to the subsequent 12 pyeloplasties using the da Vinci system were also analyzed. RESULTS: The da Vinci robot required significantly more time to set up initially than the Aesop platform (12.5 min versus 39 min, p < 0.05) but the time was similar to that for the Zeus robot. Despite the longer setup time, laparoscopic robotic pyeloplasties performed using the da Vinci robot required 168 min and 35 min for operating time and anastomotic time, respectively. This was significantly faster than that for Aesop (262 min and 75 min) and Zeus (225 min and 71 min) robots (p < 0.05). There were no intra-operative complications. There was only one postoperative complication in the Zeus group involving a delayed urine leak. Narcotic requirements were low and duration of hospital stay was short for all patients. CONCLUSIONS: We show that not all advanced robotic platforms are equal. In this study, procedures performed using the da Vinci robotic system resulted in decreased anastomotic and operating times. With emerging surgical technologies, the role of the robot in surgery continues to be defined.
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 | 0,000 |
| 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 ».