基于数据的手术绩效指标：技术强化外科培训（TEST）德尔菲共识研究

《Journal of Surgical Education》：Data-Driven Metrics of Operative Performance: The Technology-Enhanced Surgical Training (TEST) Delphi Consensus Study

　　该研究通过德尔菲法确定22项国际共识的手术操作性能指标，包括技术指标（正确组织平面解剖、操作经济性）、非技术指标（情境意识、沟通能力）、结果指标（安全评分、不良反应响应时间）及培训应用（个人历史表现对比、同伴平均表现基准测试）。该框架为手术技术数字化评估和反馈系统开发奠定基础。

　　这项研究由一群来自英国爱丁堡大学的科学家主导，旨在通过德尔菲方法（Delphi method）建立国际共识，明确先进的手术操作表现评估指标在手术培训中的重要性，并探索这些指标如何用于提升反馈机制。研究团队包括来自不同国家和专业的外科培训者、学员和研究人员，共57人参与了这项为期三轮的德尔菲研究。研究的主要目标是评估现有手术评估方法的局限性，并通过引入基于技术的客观指标，改善手术培训的反馈质量和效果。

在现代医学领域，手术质量直接影响患者的预后和安全。据研究指出，全球每年约有四百万例术后死亡，其中手术因素是导致死亡的第三大原因。因此，如何提升外科医生的操作能力，成为减少术后并发症和提高患者生存率的关键。传统的手术评估方法通常依赖于主观判断，容易受到观察者偏见的影响，同时缺乏可靠性和一致性。相比之下，技术增强的评估方法可以提供更加客观、可重复和可量化的数据，从而为手术培训提供科学依据。

然而，尽管技术增强的评估方法具有显著优势，但在如何选择和应用这些指标方面，目前尚未形成广泛共识。许多外科培训机构和认证组织在制定培训标准时，往往缺乏明确的指导方针。此外，现有研究主要集中在技术开发和实验验证，而较少关注如何将这些技术实际应用于培训过程中。因此，本研究通过德尔菲方法，系统地梳理了手术操作表现评估的关键指标，并探讨了它们在培训中的具体应用，以期为未来的外科培训体系提供理论支持和实践方向。

德尔菲方法是一种广泛用于专家意见征询的系统化研究工具，特别适用于缺乏充分实证数据的情况。在本研究中，专家们通过三轮匿名评估，对从手术文献中提取的86项评估指标进行打分，使用的是1到7的李克特量表（Likert scale）。评分的目的是确定哪些指标在手术培训中具有更高的优先级和应用价值。在第一轮评估中，只有两项指标达到了预设的共识阈值（即超过75%的专家评分≥6），而其余50项指标因未达到标准被排除。其余34项指标进入第二轮评估，研究团队还根据第一轮的自由文本反馈，新增了三项指标，包括“手术操作时间”、“非手术时间”以及“共享心智模型”。第二轮结束后，11项指标达到共识，而10项指标被排除。进入第三轮的16项指标中，最终有9项达到共识，其余7项被排除。最终，共有22项指标被纳入共识陈述。

从研究结果来看，这22项指标涵盖了技术性指标、非技术性指标和结果性指标。技术性指标主要包括“在正确组织层进行解剖”、“操作的经济性”以及“技术性错误”。非技术性指标包括“情境意识”、“沟通能力”、“决策能力”和“认知负荷”。结果性指标则涉及“手术安全性”、“对不良事件的反应时间”以及“整体手术表现评分”。这些指标被专家们认为是衡量手术操作质量的关键因素，对于指导培训和提供反馈具有重要价值。

在应用层面，专家们提出了多项建议，包括将个体指标与历史表现进行比较，以追踪培训进展；与具有相似经验的学员进行基准比较，以识别优势和不足；以及利用这些指标指导形成性评估（formative assessment），从而为学员提供个性化的学习路径。其中，最受认可的应用是将指标与学员过去的表现进行对比，这一建议获得了65.1%的专家支持。此外，与具有相似经验的学员进行比较，也获得了55.8%的支持率，这表明标准化的评估体系可以帮助学员更好地了解自身水平，并为后续培训提供依据。

研究还指出，尽管某些指标（如“共享心智模型”）尚未被广泛纳入当前的评估体系，但它们在提升团队协作和手术安全方面具有潜力，因此被纳入共识陈述。同时，专家们也强调了技术性指标和非技术性指标之间的平衡。例如，“在正确组织层进行解剖”和“操作的经济性”虽然被认为是重要的技术性指标，但只有58.1%的专家认为它们是“必不可少”的。这一比例表明，尽管这些指标在手术中具有实际意义，但部分专家担心过度依赖数据可能影响学员的临床判断能力。因此，研究建议在使用这些指标时，应结合临床经验，避免完全依赖技术评估。

非技术性指标，如“情境意识”和“决策能力”，在研究中获得了较高的支持率，分别为60.5%和51.2%。这些指标反映了外科医生在手术过程中对环境的感知、团队协作以及在复杂情况下的应对能力。研究表明，这些能力的评估可以通过深度学习算法对手术视频进行分析，从而提供实时反馈。例如，通过分析手术团队的轨迹、加速度和熵值，可以判断其团队协作效率和情境意识水平。此外，认知负荷的评估也受到关注，其支持率达到了51.2%。认知负荷的测量通常依赖于对外科医生生理指标的监测，如心率、血压和脑电波等。研究指出，这些技术在手术培训中的应用需要考虑外科医生的使用体验，以确保其在实际操作中的可行性和接受度。

在讨论部分，研究团队进一步分析了这些指标的实际意义和未来发展方向。他们指出，某些已被广泛研究的指标，如手术总时长和各阶段时长，以及手术器械移动距离，未能达到共识，可能是因为这些指标在培训中的应用价值不如其他指标明显。此外，将学员与经验丰富的外科医生进行比较也被排除，这表明在培训过程中，应更加关注学员自身的进步，而不是单纯与专家群体进行对比。

研究还提到，尽管技术增强的评估方法在提升手术培训质量方面具有巨大潜力，但其推广仍面临挑战。首先，需要确保这些指标的客观性和可靠性，避免因技术误差或数据解读偏差影响评估结果。其次，如何将这些指标有效地整合到现有的培训体系中，是一个需要深入研究的问题。例如，学员在培训过程中需要具备一定的数据素养，以便理解评估结果并据此调整自己的操作方式。此外，技术的使用还应考虑隐私和数据安全问题，尤其是在涉及患者手术视频和生理数据的情况下。

最后，研究团队指出，未来的手术培训应更加注重数据驱动的评估方法，并结合人工智能和计算机视觉技术，实现对技术性和非技术性指标的自动化分析。这不仅可以提高评估的效率和准确性，还能为学员提供实时反馈，帮助他们更快地掌握技能。同时，研究建议在培训过程中，应逐步引入这些指标，并通过持续的教育和反馈机制，使学员能够适应新的评估方式，最终实现技能的提升和手术质量的改善。通过这种方式，外科培训可以更加科学、系统和个性化，从而培养出更高质量的外科医生，提高患者的安全性和治疗效果。