La courbe d'apprentissage dans un environnement de production est un concept qui a été introduit dans l'industrie aéronautique dans les années 1920.
Il a été développé pour analyser le temps nécessaire pour passer de la phase initiale de production, où le travail est plus lente et moins efficace, à une phase plus efficace, une fois que la production est bien établie.
De toute évidence, la notion d'une courbe d'apprentissage est pertinente dans la chirurgie. Lorsque vous développez un nouveau service, ou l'introduction d'une nouvelle technique, il y aura une phase où le chirurgien a seulement une petite quantité d'expérience dans cette procédure.
Comprendre cette courbe d'apprentissage est très importante afin de réduire au minimum les risques pour les patients, mais en même temps, permettre le développement de nouveaux services. La courbe d'apprentissage permet de diviser l'introduction d'une nouvelle procédure en stade précoce « montée en puissance » et la phase ultérieure de la « production ».
Dans la phase précoce « montée », des mesures comme mix cas de mentorat et à faible risque devraient être prises pour réduire au minimum les effets néfastes pour les patients. Une fois que le chirurgien termine leur courbe d'apprentissage et est dans la « phase de production » les risques pour les patients seront minimes.
Cependant, la courbe d'apprentissage n'a pas été appliquée aussi efficacement à la chirurgie qu'elle pourrait potentiellement être.
La courbe d'apprentissage est généralement mesurée en termes de durée de fonctionnement. Il s'agit d'une simple variable, ce qui est précieuse en ce qui concerne la planification des temps de théâtre, il est de peu d'importance pour les patients en termes de résultats cliniques. Aussi, il est très subjectif et peut être manipulé.
J'ai entrepris d'étudier l'utilisation des variables supplémentaires dans une étude portant sur les données de M. Alan Doherty, clinique de la Prostate de Birmingham et l'hôpital Queen Elizabeth de Birmingham.
M. Doherty est un d'un petit nombre de chirurgiens dans les prostatectomies laparoscopiques entreprise de UK. Je me suis approché M. Doherty parce qu'il a effectué un grand nombre de ces procédures complexes et spécialisés, et il a une base de données étendue, vérifié des résultats de tous les patients.
Mon analyse a été des 300 premières prostatectomies laparoscopiques effectuées par M. Doherty entre juin 2003 et juin 2006.
J'ai introduit deux nouvelles variables en plus de la durée de fonctionnement. Une mesure très précise du PSA post-opératoire a été utilisée, ainsi que des marges positives.
Marges positives est le terme utilisé pour décrire toute preuve des cellules malignes en bordure de la suppression de la prostate. Cela serait présentent un risque de certaines cellules tumorales restant dans le champ opératoire.
Ces deux variables sont cliniquement pertinents et ne peut pas être ajusté ou manipulé.
J'ai utilisé ce que l'on appelle cartes Statistical Process Control (SPC) pour évaluer ces variables. Graphiques SPC ne sont pas des tableaux – ils ne classent pas un chirurgien contre l'autre.
Au lieu de cela, elles établissent les limites des normes attendues, permettant l'ajustement risque et variation affaire unique.
L'analyse a démontré qu'en ce qui concerne les durées de fonctionnement, M. Doherty quitta la montée en scène au stade de la production après le 28e patient.
La transition a été le 30e patient en termes d'uPSA (Ultra-sensitive PSA) et 32e des marges positives.
L'analyse montre aussi que la courbe d'apprentissage n'est pas un processus simple en deux étapes, mais que l'apprentissage se poursuit tout au long de la pratique.
Il n'y a pas une courbe d'apprentissage, mais plusieurs, selon lequel on mesure variable.
Données de M. Doherty montrent qu'il relevait selon des normes acceptables au cours de sa courbe d'apprentissage des premiers 30 cas. Pendant les arrêts subséquents 270, M. Doherty a dépassé les normes acceptables.
Pour placer cette étude dans un texte plus large, il montre comment les graphiques SPC permet de tracer une variété de mesures de la courbe d'apprentissage.
Il propose un modèle plus rigoureux pour la gouvernance, avec la possibilité d'émettre une alerte rapide si normes tombent en dessous des limites acceptables et fournit une évaluation beaucoup plus significative des résultats cliniques d'informer le patient et le chirurgien. À cet égard, ils sont utiles pour la surveillance aussi bien la courbe d'apprentissage et du rendement du chirurgien.
No comments:
Post a Comment