S'abonner

Learning curve's impact on positive surgical margins in RALRP: A prospective cohort study and meta-analysis - 01/01/26

Impact de la courbe d’apprentissage sur les marges chirurgicales positives dans la PRLA : étude de cohorte prospective et méta-analyse

Doi : 10.1016/j.fjurol.2025.103067 
Abdalla Ali Deb a, , Naufal Naushad b, Stavros Moschonas b, Hosam Serag c, Sami Abbas d, Abdellatif Mohamed Zayed e, Ashraf M.S. Shaheen e
a Department of Urology, James Cook University Hospital, Middlesbrough, United Kingdom 
b Department of Urology, North Tees University Hospital, Stockton-on-Tees, United Kingdom 
c Department of Urology, University Hospitals Birmingham, Birmingham, United Kingdom 
d Department of Urology, National Institute of Urology and Nephrology, Cairo, Egypt 
e Department of Urology, Faculty of Medicine, Zagazig University, Zagazig, Egypt 

Corresponding author.

Abstract

Introduction

Robot-assisted laparoscopic radical prostatectomy (RALRP) is becoming increasingly adopted for prostate cancer; however, it is associated with a steep but achievable learning curve. The effect of that curve – particularly on positive surgical margin (PSM) rates, a key oncological outcome – remains underexplored.

Objective

To assess the effect of surgical experience on RALRP outcomes through a prospective cohort study and to contextualize findings via a systematic review and meta-analysis of PSM incidence across learning curve stages.

Material

We conducted a prospective study of 100 consecutive patients who underwent RALRP at a single center, grouped as cases 1–50 (Group I) and 51–100 (Group II) comparing perioperative, pathological, and functional outcomes. Additionally, a systematic review and meta-analysis in accordance with PRISMA 2020 guidelines was conducted using random effects modelling.

Results

Significant improvements in operative time, blood loss, hospital stay, and early functional recovery were noted in Group II. The PSM rate declined from 30 to 14% ( P = 0.053), approaching thus statistical significance, with no significant difference in biochemical recurrence. The meta-analysis included 22 studies and demonstrated a pooled PSM rate of 28% (95% CI: 24–33%) for surgeons with 100 cases, decreasing to 22% (95% CI: 17–27%) for 101–200 cases, and to 18% (95% CI: 14–22%) for 401–500 cases. Similar trends were observed in both pT2 and pT3 subgroups. Due to heterogeneity in reporting, other perioperative outcomes could not be meta-analyzed.

Conclusion

Surgical experience significantly influences PSM rates in RALRP. These findings highlight the need for structured robotic training and standardized reporting to optimize oncologic outcomes in prostate cancer surgery.

Level of evidence

Level III, Retrospective Cohort.

Le texte complet de cet article est disponible en PDF.

Résumé

Introduction

La prostatectomie radicale laparoscopique robotisée (PRLR) est de plus en plus utilisée dans le traitement du cancer de la prostate. Cependant, elle est associée à une courbe d’apprentissage abrupte, mais réalisable. L’effet de cette courbe, notamment sur les taux de marges chirurgicales positives (MSP), un résultat oncologique clé, reste sous-exploré. Nous avons donc mené une étude de cohorte prospective afin de contextualiser les résultats par une revue systématique et une méta-analyse de l’incidence des MSP à travers les étapes de la courbe d’apprentissage.

Matériel

Nous avons mené une étude prospective portant sur 100 patients consécutifs ayant subi une PRLR dans un seul centre, regroupés en cas 1 à 50 (groupe I) et 51 à 100 (groupe II), comparant les résultats périopératoires, pathologiques et fonctionnels. De plus, une revue systématique et une méta-analyse ont été réalisées à l’aide d’une modélisation à effets aléatoires.

Résultats

Des améliorations significatives de la durée opératoire, des pertes sanguines, de la durée d’hospitalisation et de la récupération fonctionnelle précoce ont été observées dans le groupe II. Le taux de PSM a diminué de 30 à 14 % ( p = 0,053), approchant ainsi la significativité statistique, sans différence significative en termes de récidive biochimique. La méta-analyse, portant sur 22 études, a démontré un taux de PSM global de 28 % (IC à 95 % : 24–33 %) pour les chirurgiens ayant 100 cas, diminuant à 22 % (IC à 95 % : 17–27 %) pour 101–200 cas et à 18 % (IC à 95 % : 14–22 %) pour 401–500 cas. Des tendances similaires ont été observées dans les sous-groupes pT2 et pT3. En raison de l’hétérogénéité des rapports, les autres résultats périopératoires n’ont pas pu être méta-analysés.

Conclusion

L’expérience chirurgicale influence significativement les taux de PSM dans la RALRP. Ces résultats soulignent la nécessité d’une formation robotique structurée et d’un reporting standardisé pour optimiser les résultats oncologiques en chirurgie du cancer de la prostate.

Niveau de preuve

Niveau III, cohorte rétrospective.

Le texte complet de cet article est disponible en PDF.

Keywords : Robot-assisted laparoscopic prostatectomy, Learning curve, Positive surgical margins, Prostate cancer

Mots clés : Prostatectomie laparoscopique robot-assistée, Courbe d’apprentissage, Marges chirurgicales positives, Cancer de la prostate


Plan


© 2025  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 36 - N° 1

Article 103067- janvier 2026 Retour au numéro
Article précédent Article précédent
  • Does radiotherapy after prostate enucleation with thulium fiber laser worsen functional outcomes: A mid-term retrospective analysis?
  • Gatien Begel, Mickael Andraud, Louis Lenfant, Jérôme Parra, Christophe Vaessen, Aurélien Beaugerie, Quentin Dubourg, Thomas Seisen, Emmanuel Chartier-Kastler, Cyrus Chargari, Morgan Roupret, Ugo Pinar
| Article suivant Article suivant
  • More than two-thirds of patients with prostate cancer have the same or even a greater survival than the general male population: A French population-based study from Francim network of cancer registries
  • Sébastien Lamy, Valérie Jooste, Cyrille Delpierre, Karima Hammas, Nicolas Vigneron, Anne-Sophie Woronoff, Gaelle Coureau, Brigitte Tretarre, Arnaud Seigneurin, Florence Molinié, Bénédicte Lapotre-Ledoux, Thomas Systchenko, Laurent Remontet, Pascale Grosclaude, Laetitia Daubisse-Marliac, FRANCIM network

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.