Name: Techniques in Minimally Invasive Rectal Surgery
SKU: 12213
Price: 10000 IRT
Availability: InStock

Techniques in Minimally Invasive Rectal Surgery

10,000 تومان

The learning curve is a graphical demonstration of the number of cases a surgeon must perform to become profcient. When learning a new procedure, performance is expected to improve with experience, and graphically plotting performance against experience produces a learning curve . The concept of a learning curve, where inexperienced clinicians improve with increasing experience, is particularly ftting for minimally invasive surgery, which requires a high degree of special dexterity and technical skills, and learning has potentially dramatic implications . The learning curve is a graphic representation of the individual surgeon’s experience performing a procedure versus outcome variables of clinical interest, such as operative time, postoperative complications, and conversion rates. A technically demanding technique, such as minimally invasive rectal resection, is often termed as having a “steep learning curve.” This term has been described as a misnomer, as complex techniques are more likely to have gradual learning curves, with small improvements in outcome associated with each case, and expertise possible only after signifcant experience.

توضیحات

ABSTRACT

INTRODUCTION

The cumulative summation (CUSUM) method, a practical tool for creating a learning curve, plots a defned outcome variable against the surgeon’s experience to defne the point where profciency and independence are reached. As a surgeon learns a new technique, constructing a learning curve to measure outcomes and estimate their location on the curve is helpful. Most studies describing the learning curve in minimally invasive colorectal surgery fail to properly defne the curve, have poor descriptions of mentorship/supervision, and have variable defnitions of successfully attaining profciency . Several statistical methods can be used to create a learning curve, including simple graphs, splitting the data chronologically, and performing a t test or chi-squared test, curve ftting, or other model ftting . For continuous variables, such as operative time, the moving average method is useful. For binary outcomes, which may or may not happen, such as conversion and complications, the cumulative summation (CUSUM) method is the most practical tool.

چکیده

منحنی یادگیری یک تظاهرات گرافیکی از تعداد مواردی است که یک جراح باید انجام دهد تا بدبین شود. هنگام یادگیری یک روش جدید، انتظار می رود عملکرد با تجربه بهبود یابد، و عملکرد گرافیکی در مقابل تجربه، منحنی یادگیری را تولید می کند. مفهوم منحنی یادگیری، که در آن پزشکان بی تجربه با افزایش تجربه بهبود می یابند، به ویژه برای عمل جراحی حداقل تهاجمی، که نیاز به مهارت و مهارت های خاصی دارد، و یادگیری به طور بالقوه دشوار است. منحنی یادگیری یک نمایش گرافیکی از تجربه جراح فردی است که یک روش در مقایسه با متغیرهای نتیجه ای از علائم بالینی مانند زمان عمل، عوارض پس از عمل و نرخ تبدیل را نشان می دهد. یکی از تکنیک های مورد نیاز تکنیکی، مانند برداشتن حداقل تهاجمی رکتال، اغلب به عنوان داشتن یک “منحنی یادگیری شیب” نامیده می شود. این اصطلاح به عنوان یک اشتباه محسوب می شود، به عنوان تکنیک های پیچیده بیشتر احتمال دارد که منحنی های یادگیری تدریجی، با پیشرفت های کوچک در نتیجه همراه با هر مورد، و تخصص تنها پس از تجربه قابل توجه است.

مقدمه

روش جمعآوری تجمعی (CUSUM)، یک ابزار عملی برای ایجاد یک منحنی یادگیری، یک متغیر نتیجه شده در برابر تجربه جراح را به جای نقطه ای که تخصص و استقلال به دست می آید، قرار می دهد. به عنوان یک جراح، روش جدیدی را یاد می گیرد، ساختن یک منحنی یادگیری برای اندازه گیری نتایج و برآورد موقعیت آنها در منحنی کمک می کند. اکثر مطالعاتی که منحنی یادگیری را در جراحی مریض تنگی کولورکتال توصیف می کنند، به درستی منحنی را نمیشوند، توصیفهای ضعیفی از مربیگری / نظارت دارند و دارای پیشرفتهای متفاوتی در دستیابی به موفقیت هستند. چندین روش آماری برای ایجاد یک منحنی یادگیری از جمله نمودارهای ساده، تقسیم کردن داده ها به صورت کرونولوژیکی و انجام آزمون تست یا آزمون chi-squared، ftting منحنی یا دیگر ftting مدل می تواند مورد استفاده قرار گیرد. برای متغیرهای پیوسته، مانند زمان عملی، روش متوسط متحرک مفید است. برای نتایج باینری، که ممکن است یا ممکن است رخ دهد، مانند تبدیل و عوارض، روش جمع شدن جمع (CUSUM)، ابزار عملی است.

Year: 2016

Publisher: SPRINGER

By : Alessio Pigazzi