评论“非手术手术室使用时间对Hugo? RAS系统效率和成本的影响”

《Journal of Robotic Surgery》：Comment on “Impact of non-surgical OR time on efficiency and costs with Hugo? RAS”

　　本文评论Hirtsiefer等研究，指出其未考虑系统准备时间对并发症无影响、学习曲线分析忽略团队相关性、成本模拟存在跨文化问题，并建议基于麻醉时间、混合效应模型和本地成本分析改进，同时肯定其分阶段时间和补充材料对引入新平台的参考价值。

　　

亲爱的编辑：

我们非常感兴趣地阅读了Hirtsiefer等人的研究[1]，该研究探讨了引入Hugo?机器人辅助手术系统时非手术时间（NonSPIT）及其对成本的影响。

作者提供了手术各阶段的详细时间戳，并进行了与洗手护士经验相关的事前规定的学习曲线分析。他们的定义明确指出，“系统准备”从激活机器人系统开始，到患者定位前结束；而“接近和对接”则从推车移动到成功对接获得批准为止。这些操作边界有助于从临床角度理解时间的增减情况。

有三个方面需要澄清，因为它们不仅影响工作流程指标，还直接影响患者护理决策。首先，该研究使用总非手术时间来比较不同平台；然而，系统之间的差异很大一部分发生在“系统准备”阶段，而这种方法将这一阶段完全置于患者定位或团队休息时间之前。因此，这一阶段不会延长麻醉时间或腹腔内积气时间，也不会影响并发症风险、疼痛控制或恢复过程。对于麻醉时间和与恢复相关的指标，具有临床意义的时间段包括手术准备、切口/穿刺针放置、接近/对接、分离/反向操作以及床边的后期处理[2]。基于“患者在场”或“麻醉时间”的平台比较能更好地为吞吐量规划、手术室使用情况和术后结果提供参考。

其次，该研究的推断依赖于对重复手术的独立t检验，而没有对护士和外科医生的表现进行分组分析。由于学习曲线的暴露情况取决于团队协作，忽略个体间的相关性会缩小置信区间并夸大统计显著性。实际上，这可能会误导项目管理者，使他们误判达到同等水平所需的培训量，以及团队稳定后额外的对接时间是否会延长麻醉时间。采用包含护士和外科医生随机截距的混合效应模型可以得到更符合实际需求的估计[3。

第三，该研究的成本模拟将美国的每分钟成本估算应用于德国单中心的实际操作环境，并将麻醉前的系统准备时间纳入成本计算中。管理者使用每分钟成本模型来优先考虑能够减少麻醉时间或手术取消的投资。如果将麻醉前准备时间与患者实际在手术室的时间分开，并采用当地的劳动力和资本分配成本模型，将能更直接地指导培训计划、人员轮换和手术安排决策[4。

最后，该研究将开放手术的参考时间固定为2018年的数据，而机器人手术的数据收集时间为2023年至2025年。手术流程、托盘使用和麻醉方案都在不断改进；如果使用同时期的开放手术数据，可以避免将现代化带来的效果错误地归因于手术平台的选择，这对于向患者说明预计的手术室停留时间以及设定服务标准非常重要。

尽管存在这些问题，作者提供的具体阶段时间数据和透明的补充材料为未来引入新平台提供了实用的参考模板。如果能够围绕麻醉时间成分和团队层面的数据重新整理研究结果，将有助于增强临床解读，并保持该研究在推动安全高效采用机器人技术方面的宝贵价值。