后腹腔镜供肾切除术的学习曲线

对 2010 年 1 月至 2019 年 7 月在 Ondokuz Mayıs 大学接受纯 RDN 移植的 172 名连续肾脏捐献者的前瞻性收集数据进行了回顾性评估。 进行 Tc-99m 巯基乙酰基三甘氨酸 (MAG3) 肾闪烁显像以评估分裂肾功能。 进行了三维计算机断层扫描以评估肾脏解剖结构和脉管系统。 手术偏侧性的最终决定是基于这样的信念，即更好的肾脏留在捐赠者身上。 如果两个肾脏具有相同的功能特征，则根据移植医学审查委员会的决定采购左肾或血管解剖结构较简单的肾脏。 记录年龄、性别、体重指数（BMI）、术前肾功能、肾动静脉数等人口学资料。 还记录了手术时间 (OT)、热缺血时间 (WIT)、估计失血量 (EBL)、围手术期和术后并发症等围手术期变量。 此外，还记录了肾受体的结果，包括移植物功能、并发症和随访。 在我们之前发表的文章中，对纯 RDN 右侧和左侧的手术过程和细节进行了详尽的描述。 所有 RND 均由一位具有后腹腔镜腹腔镜手术和肾移植经验的外科医生进行。

学习曲线分析 CUSUM 分析和 BinSeg（二进制分割）方法 虽然 CUSUM 分析最初是为了评估工业部门的绩效而建立的，但它已在医学上被用来解释许多外科技术学习曲线。 在时间轴中，它计算单个操作时间与所有操作时间的平均值之间的现有差异之和。 它在医学上的主要用途是计算单个手术时间与时间轴上所有手术时间的平均值之间存在的差异之和。 下一步是确定重大变化点以确定开发。 R 程序中使用“changepoint”包来确定变化点。 变化点根据平均变化确定。 BinSeg 方法用于识别两个交换点。 不使用惩罚方法来确定手术时间变化点。 “正常”方法用作手术时间的检验统计量。 根据上述学习曲线分析方法，将整个队列分为三组。 灵感来自 Dreyfus 技能获取模型中的组命名。 因此，第 1 组代表能力，第 2 组是熟练水平，第 3 组是专家水平。