Медицинская литература. Новинки

 

 

 

 

 

 

Особенности обучения лапароскопической резекции печени после первоначального освоения робот-ассистированной технологии

Вы можете загрузить полный текст статьи в формате pdf

   Цель. Оценить кривую обучения лапароскопическим резекциям печени хирурга, имеющего опыт робот-ассистированных резекций печени, при помощи метода CUSUM.   Материал и методы. Ретроспективно анализировали результаты лапароскопических резекций печени по поводу злокачественных и доброкачественных новообразований, выполненных с 2015 г. по декабрь 2020 г., и робот-ассистированных резекций печени с 2010 по 2020 гг. Оценивали кривую обучения лапароскопическим резекциям печени хирурга, освоившего робот-ассистированные резекции большой сложности. При выборе границ между периодами обучения в соответствии с полученными графиками CUSUM ориентировались на критические изменения индекса сложности резекции (IWATE и IMM), продолжительности операции, кровопотери, частоты послеоперационных осложнений. Проведено сравнение основных периоперационных событий между группами лапароскопических и робот-ассистированных резекций в каждом из периодов обучения.   Результаты. Выполнено 174 лапароскопических и 57 робот-ассистированных резекций печени. Продолжительность 1-го периода обучения составила 11 робот-ассистированных резекций и 20 лапароскопических, 2-го периода – 16 и 20, 3-го периода – 30 и 134. Во 2-м периоде достоверно увеличился индекс сложности резекции для обеих групп, при этом объем кровопотери, число послеоперационных осложнений и продолжительность госпитального лечения достоверно не различались. Во 2-м периоде обучения в обеих группах время оперативного вмешательства было достоверно больше.   Заключение. Изучение динамики сложности операции с использованием метода CUSUM является надежным, контролируемым способом оценки кривой обучения резекции печени. Первоначальное прохождение кривой обучения робот-ассистированным резекциям печени сокращает длительность кривой обучения лапароскопическим резекциям по сравнению с опубликованными данными других авторов.

Ключевые слова:
печень, робот-ассистированная резекция, лапароскопическая резекция, кривая обучения, CUSUM, liver, robot-assisted resection, laparoscopic resection, learning curve, CUSUM

Литература:
1.Zhou Y., Xiao Y., Wu L., Li B., Li H. Laparoscopic liver resection as safe and effective alternative to open resection for colorectal liver metastasis: a meta-analysis. BMC Surg. 2013; 13: 44. doi: 10.1186/1471-2482-13-44
2.Xiong J.J., Altaf K., Javed M.A., Huang W., Mukherjee R., Mai G., Sutton R., Liu X.B., Hu W.M. Meta-analysis of laparoscopic vs open liver resection for hepatocellular carcinoma. World J. Gastroenterol. 2012; 18 (45): 6657–6668. doi: 10.3748/wjg.v18.i45.6657
3.Vigano L., Laurent A., Tayar C., Tomatis M., Ponti A., Cherqui D. The learning curve in laparoscopic liver resection. Ann. Surg. 2009; 250 (5): 772–782. doi: 10.1097/SLA.0b013e3181bd93b2
4.Lin C.W., Tsai T.J., Cheng T.Y., Wei H.K., Hung C.F., Chen Y.Y., Chen C.M. The learning curve of laparoscopic liver resection after the Louisville statement 2008: will it be more effective and smooth? Surg. Endosc. 2016; 30 (7): 2895–2903. doi: 10.1007/s00464-015-4575-1
5.Van der Poel M.J., Besselink M.G., Cipriani F., Armstrong T., Takhar A.S., van Dieren S., Primrose J.N., Pearce N.W., Abu Hilal M. Outcome and learning curve in 159 consecutive patients undergoing total laparoscopic hemihepatectomy. JAMA Surgery. 2016; 151 (10): 923. doi: 10.1001/jamasurg.2016.1655
6.Son G.M., Kim J.G., Lee J.C., Suh Y.J., Cho H.M., Lee Y.S., Lee I.K., Chun C.S. Multidimensional analysis of the learning curve for laparoscopic rectal cancer surgery. J. Laparoendosc. Adv. Surg. Tech. A. 2010; 20 (7): 609–617. doi: 10.1089/lap.2010.0007
7.Schlachta C.M., Mamazza J., Seshadri P.A., Cadeddu M., Gregoire R., Poulin E.C. Defining a learning curve for laparoscopic colorectal resections. Dis. Colon. Rectum. 2001; 44 (2): 217–222. doi: 10.1007/BF02234296
8.Kayano H., Okuda J., Tanaka K., Kondo K., Tanigawa N. Evaluation of the learning curve in laparoscopic low anterior resection for rectal cancer. Surg. Endosc. 2011; 25 (9): 2972–2979. doi: 10.1007/s00464-011-1655-8
9.Akiyoshi T., Kuroyanagi H., Ueno M., Oya M., Fujimoto Y., Konishi T., Yamaguchi T. Learning curve for standardized laparoscopic surgery for colorectal cancer under supervision: a single-center experience. Surg. Endosc. 2011; 25 (5): 1409–1414. doi: 10.1007/s00464-010-1404-4
10.Ito M., Sugito M., Kobayashi A., Nishizawa Y., Tsunoda Y., Saito N. Influence of learning curve on short-term results after laparoscopic resection for rectal cancer. Surg. Endosc. 2009; 23 (2): 403–408. doi: 10.1007/s00464-008-9912-1
11.Wishner J.D., Baker Jr J.W., Hoffman G.C., Hubbard 2nd G.W., Gould R.J., Wohlgemuth S.D., Ruffin W.K., Melick C.F. Laparoscopic-assisted colectomy. The learning curve. Surg. Endosc. 1995; 9 (11): 1179–1183. doi: 10.1007/BF00210923
12.Ban D., Tanabe М., Ito Н., Otsuka Y., Nitta Н., Abe Y., Hasegawa Y., Katagiri Т., Takagi С., Itano О., Kaneko Н., Wakabayashi G. A novel difficulty scoring system for laparoscopic liver resection. J. Hepatobiliary Pancreat. Sci. 2014; 21 (10): 745–753. doi: 10.1002/jhbp.166
13.Sucandy I., Kang R.D., Adorno J., Crespo K., Syblis C., Ross S., Rosemurgy A. Validity of the Institut Mutualiste Montsouris classification system for robotic liver resection. HPB (Oxford). 2023; 25 (9): 1022–1029. doi: 10.1016/j.hpb.2023.05.004
14.Ефанов М.Г., Алиханов Р.Б., Цвиркун В.В., Простов М.Ю., Казаков И.В., Ванькович А.Н., Ким П.П., Грендаль К.Д. Робот-ассистированные резекции печени. Оценка ближайших результатов. Хирургия. Журнал им. Н.И. Пирогова. 2018; 11: 24–30. doi: 10.17116/hirurgia201811124
15.Hasegawa Y., Nitta H., Takahara T., Katagiri H., Baba S., Takeda D., Makabe K., Wakabayashi G., Sasaki A. Safely extending the indications of laparoscopic liver resection: when should we start laparoscopic major hepatectomy? Surg. Endosc. 2017; 31 (1): 309–316. doi: 10.1007/s00464-016-4973-z
16.Nguyen K.T., Gamblin T.C., Geller D.A. World review of laparoscopic liver resection – 2,804 patients. Ann. Surg. 2009; 250 (5): 831–841. doi: 10.1097/SLA.0b013e3181b0c4df
17.Koffron A.J., Auffenberg G., Kung R., Abecassis M. Evaluation of 300 minimally invasive liver resections at a single institution: less is more. Ann. Surg. 2007; 246 (3): 385–392. discussion 392–394. doi: 10.1097/SLA.0b013e318146996c
18.Bryant R., Laurent A., Tayar C., Cherqui D. Laparoscopic liver resection – understanding its role in current practice: the Henri Mondor Hospital experience. Ann. Surg. 2009; 250 (1): 103–111. doi: 10.1097/SLA.0b013e3181ad6660
19.Cai X., Li Z., Zhang Y., Yu H., Liang X., Jin R., Luo F. Laparoscopic liver resection and the learning curve: a 14-year, single-center experience. Surg. Endosc. 2014; 28 (4): 1334–1341. doi: 10.1007/s00464-013-3333-5
20.Sultana A., Nightingale P., Marudanayagam R., Sutcliffe R.P. Evaluating the learning curve for laparoscopic liver resection: a comparative study between standard and learning curve CUSUM. HPB (Oxford). 2019; 21 (11): 1505–1512. doi: 10.1016/j.hpb.2019.03.362
21.Tomassini F., Scuderi V., Colman R., Vivarelli M., Montalti R., Troisi R.I. The single surgeon learning curve of laparoscopic liver resection: a continuous evolving process through stepwise difficulties. Medicine (Baltimore). 2016; 95 (43): e5138. doi: 10.1097/MD.0000000000005138

Features of laparoscopic liver resection training after mastering of robot-assisted technology

   Aim. To estimate the learning curve for laparoscopic liver resections performed by a surgeon experienced in robot-assisted liver resections using the CUSUM method.   Materials and methods. The study involved a retrospective analysis of the results of laparoscopic liver resections for malignant and benign neoplasms performed from 2015 to December 2020 and robot-assisted liver resections from 2010 to 2020. The author evaluated the learning curve for laparoscopic liver resections of a surgeon who had mastered robot-assisted resections of high difficulty. Selecting the boundaries between training periods according to the obtained CUSUM graphs was determined by critical changes in the resection difficulty score (IWATE and IMM), duration of surgery, blood loss, and incidence of postoperative complications. Major perioperative events were compared between the laparoscopic and robot-assisted resection groups in each of the training periods.   Results. 174 laparoscopic and 57 robot-assisted liver resections were performed. The duration of the first training period comprised 11 robot-assisted resections and 20 laparoscopic resections, the second period – 16 and 20, the third period – 30 and 134, accordingly. In the second period, the resection difficulty score increased significantly for both groups, while the amount of blood loss, the incidence of postoperative complications, and the duration of hospital treatment did not differ significantly. In the second training period, the duration of surgery was significantly longer in both groups.   Conclusion. Studying the dynamics of surgical difficulty using the CUSUM method is considered to be a reliable, controlled way to estimate the learning curve for liver resection. Completing the learning curve for robot-assisted liver resections reduces the duration of the learning curve for laparoscopic resections compared to published data of other authors.

Keywords:
печень, робот-ассистированная резекция, лапароскопическая резекция, кривая обучения, CUSUM, liver, robot-assisted resection, laparoscopic resection, learning curve, CUSUM