De leercurve voor retroperitoneoscopische donornefrectomie

De prospectief verzamelde gegevens van 172 opeenvolgende nierdonoren die pure RDN ondergingen voor transplantatie aan de Ondokuz Mayıs University van januari 2010 tot juli 2019, werden retrospectief geëvalueerd. Tc-99m mercaptoacetyltriglycine (MAG3) nierscintigrafie werd uitgevoerd om de nierfunctie te evalueren. Driedimensionale computertomografie werd uitgevoerd om de anatomie en het vaatstelsel van de nieren te evalueren. De uiteindelijke beslissing voor de lateraliteit van de operatie was gebaseerd op de overtuiging dat de betere nier bij de donor blijft. Als beide nieren dezelfde functionele kenmerken hebben, werd de linker nier of de nier met een eenvoudiger vasculaire anatomie verkregen op basis van de beslissing van de medische beoordelingscommissie voor transplantatie. De demografische gegevens, waaronder leeftijd, geslacht, body mass index (BMI), preoperatieve nierfunctie, aantal nierslagaders en -aders werden geregistreerd. Perioperatieve variabelen zoals operatietijd (OT), warme ischemietijd (WIT), geschat bloedverlies (EBL), perioperatieve en postoperatieve complicaties werden ook geregistreerd. Verder werden ook de uitkomsten van nierontvangers, inclusief transplantaatfunctie, complicaties en follow-up geregistreerd. In ons eerder gepubliceerde artikel vindt u een grondige beschrijving van de chirurgische procedure en details voor de rechter- en linkerkant van pure RDN. Alle RND's werden uitgevoerd door een enkele chirurg met ervaring in retroperitoneoscopische laparoscopische chirurgie en niertransplantatie.

Leercurve-analyse De CUSUM-analyse en de BinSeg-methode (Binary Segmentation) Hoewel de CUSUM-analyse in eerste instantie is ontwikkeld om de prestaties van de industriële sector te evalueren, is deze in de geneeskunde toegepast om de leercurve van veel chirurgische technieken te interpreteren. In een tijdlijn berekent het de som van de bestaande verschillen tussen individuele bedrijfstijden en het gemiddelde van alle bedrijfstijden. Het belangrijkste gebruik ervan in de geneeskunde is dat het de som berekent van de bestaande verschillen tussen individuele operatietijden en het gemiddelde van alle operatietijden in een tijdlijn. De volgende stap is het identificeren van significante veranderingspunten om de ontwikkeling te bepalen. Het pakket "changepoint" werd gebruikt in het R-programma om de wijzigingspunten te bepalen. De changepoints werden bepaald volgens de gemiddelde variatie. BinSeg-methoden werden gebruikt om twee uitwisselingspunten te identificeren. Strafmethoden werden niet gebruikt om chirurgische tijdwisselpunten te bepalen. De "Normale" methode werd gebruikt als de teststatistiek voor de chirurgische tijd. Volgens de leercurve-analysemethoden die hierboven zijn genoemd, werd het hele cohort in drie groepen verdeeld. Geïnspireerd door het Dreyfus-model voor het verwerven van vaardigheden bij het benoemen van de groepen. Zo staat groep 1 voor competentie, groep 2 voor vaardigheidsniveau en groep 3 voor expertniveau.