Nouvelle approche de la courbe d’apprentissage en chirurgie oncogynécologique robot-assistée - 07/05/15
pages | 8 |
Iconographies | 3 |
Vidéos | 0 |
Autres | 0 |
Résumé |
Objectif |
Définir les phases composant la courbe d’apprentissage de l’hystérectomie totale (HT) et de l’hystérectomie élargie avec curage pelvien (HECP) robot-assistée d’un unique opérateur sans expérience préalable en cœliochirurgie.
Méthodes |
Nous avons analysé de façon rétrospective 72 procédures (HT, n=34 et HECP, n=38) réalisées entre 2002 et 2011. L’utilisation de la méthode CUSUM a permis l’analyse de la courbe d’apprentissage de l’HT et de l’HECP à partir du temps à la console (TC). Les données épidémiologiques, périopératoires et les complications opératoires ont été comparées à partir des différentes phases composant la courbe d’apprentissage.
Résultats |
L’analyse CUSUM du temps à la console (CUSUMTC) a permis d’identifier 2 phases d’apprentissage pour le groupe HT (phase 1 : apprentissage initial, phase 2 : augmentation des performances). Pour le groupe HECP, trois phases d’apprentissage ont été identifiées (phase 1 : apprentissage initial, phase 2 : extension des indications, phase 3 : maîtrise technique). Les données périopératoires ainsi que le taux de complications postopératoires ne différaient pas de façon significative entre les phases d’apprentissage. Le TC diminuait dès le 9e cas (p=0,01) pour le groupe HT et dès le 13e cas (p=0,04) pour le groupe HECP.
Conclusion |
L’étude de la courbe d’apprentissage par la méthode CUSUM en chirurgie oncogynécologique robot-assistée a permis de définir deux phases d’apprentissage pour des procédures simples comme l’hystérectomie totale et trois phases d’apprentissage pour des procédures plus complexes comme l’hystérectomie élargie avec curage pelvien.
Le texte complet de cet article est disponible en PDF.Abstract |
Objectives |
Define the phases composing the learning curve of total hysterectomy (TH) and radical hysterectomy with pelvic lymphadenectomy (RHPL) robot-assisted performed by a single surgeon with no prior experience in laparoscopic surgery.
Methods |
We retrospectively analyzed 72 procedures (TH, n=34 and RHPL, n=38) conducted between 2002 and 2011. The surgeon console time (CT) was used to determine the learning curve of TH and RHPL using CUSUM analysis. Epidemiological data, perioperative and postoperative complications were compared from the different phases of the learning curve.
Results |
CUSUM analysis of surgeon console time (CUSUMCT) identified two learning phases for the TH group (phase 1: initial learning, phase 2: surgical skill increase). For the RHPL group, three learning phases were identified (phase 1: initial learning, phase 2: extending surgical indications, phase 3: control of surgical skills). Perioperative and postoperative complication rates did not differ significantly between the learning phases. Surgeon CT decreased from the 9th case (P=0.01) for the TH group and from the 13th case (P=0.04) for the RHPL group.
Discussion |
CUSUM analysis of the learning curve in robotic-assisted gynecologic oncology surgery identified two phases of learning curve for simple procedures such as total hysterectomy and three phases for more complex procedures as radical hysterectomy with pelvic lymphadenectomy.
Le texte complet de cet article est disponible en PDF.Mots-clés : Chirurgie robot-assistée, Courbe d’apprentissage, Méthode CUSUM, Cancer de l’endomètre, Cancer du col utérin
Keywords : Robotic assisted-surgery, Learning curve, CUSUM analysis, Endometrial cancer, Cervical cancer
Plan
Vol 43 - N° 5
P. 348-355 - mai 2015 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.
Déjà abonné à cette revue ?