後腹膜鏡下ドナー腎摘出術の学習曲線

2010 年 1 月から 2019 年 7 月までに Ondokuz Mayıs 大学で移植のための純粋な RDN を受けている 172 人の連続した腎臓ドナーの前向きに収集されたデータは、遡及的に評価されました。 Tc-99m メルカプトアセチルトリグリシン (MAG3) 腎シンチグラフィーを実施して、分割腎機能を評価しました。 三次元コンピューター断層撮影は、腎臓の解剖学と血管系を評価するために行われました。 手術の側性に関する最終的な決定は、より良い腎臓がドナーに残るという確信に基づいていました. 両方の腎臓が同等の機能特性を持っている場合、移植医療審査委員会の決定に基づいて、左の腎臓または血管解剖学がより単純な腎臓が調達されました。 年齢、性別、体格指数 (BMI)、術前腎機能、腎動脈および腎静脈の数を含む人口統計学的データが記録されました。 手術時間 (OT)、温虚血時間 (WIT)、推定失血量 (EBL)、周術期および術後合併症などの周術期変数も記録されました。 さらに、移植機能、合併症、フォローアップを含む腎レシピエントの結果も記録されました。 私たちの以前に公開された記事では、純粋な RDN の右側と左側の外科的処置と詳細の完全な説明を提供します。 すべての RND は、後腹膜鏡下腹腔鏡手術と腎移植の経験を持つ 1 人の外科医によって行われました。

学習曲線分析 CUSUM 分析と BinSeg (バイナリ セグメンテーション) メソッド CUSUM 分析は、最初は産業部門のパフォーマンスを評価するために構築されましたが、多くの外科技術の学習曲線を解釈するために医学で採用されています。 タイムラインでは、個々の操作時間とすべての操作時間の平均との間の既存の差の合計を計算します。 医療における主な用途は、個々の手術時間とタイムライン内のすべての手術時間の平均との間の既存の差の合計を計算することです。 次のステップは、開発を決定するために重要な変更点を特定することです。 「changepoint」パッケージは、変更点を決定するために R プログラムで使用されました。 変化点は、平均変動に従って決定されました。 BinSeg メソッドを使用して、2 つの交換ポイントを特定しました。 ペナルティ法は、手術時間の変化点を決定するために使用されませんでした。 手術時間の検定統計量として「通常」法を使用した。 上記の学習曲線分析方法に従って、コホート全体を 3 つのグループに分けました。 グループの命名におけるスキル獲得のドレフュス モデルに触発されました。 したがって、グループ 1 は能力を表し、グループ 2 は熟練度レベルを表し、グループ 3 は専門家レベルを表します。