Кривая обучения в хирургии толстой кишки (обзор)

Введение. Колоректальный рак (КРР) является одной из наиболее часто диагностируемых злокачественных опухолей в мире, который находится на 3-м месте среди всех типов рака у мужчин и женщин. По данным отчета GLOBOCAN 2022, основанного на анализе заболеваемости и смертности по 36 локализациям злокачественных опухолей в 185 странах, в 2022 г. диагностировано 1 931 590 новых случаев КРР, что составило 10% от общей онкологической заболеваемости населения [1]. КРР уступает только раку легких (2 206 771 зарегистрированных случаев заболевания) и раку молочной железы (2 261 419 случаев). В структуре смертности КРР занимает 3-е место среди онкологических заболеваний: у мужчин – после рака легких и печени, у женщин – после рака молочной железы и легких. Хотя тенденция заболеваемости КРР варьируется в зависимости от региона, в глобальном масштабе наблюдается устойчивый рост числа новых случаев рака толстой кишки (ТК). В России КРР – также на 3-м месте по числу заболевших мужчин и женщин, при этом наблюдается стойкая тенденция к росту заболеваемости КРР [2]. Между тем уровень смертности от КРР в России в последние годы снижается. Прогнозы по заболеваемости и смертности от КРР на 2040 г. Указывают на возможное увеличение числа новых случаев при снижении уровня смертельных исходов [3]. Хирургическая резекция остается основным и незаменимым компонентом комплексного лечения КРР. В последние десятилетия активное развитие высокотехнологичных хирургических методик способствовало широкому внедрению малоинвазивных вмешательств, включая лапароскопические и робот-ассистированные операции. Эти методы стали альтернативой традиционным открытым вмешательствам, позволяя повысить безопасность и эффективность лечения заболеваний ТК [4]. По сравнению с открытой хирургией лапароскопические операции демонстрируют лучшие краткосрочные результаты, включая снижение частоты послеоперационных осложнений, уменьшение интраоперационной кровопотери, снижение выраженности болевого синдрома и ускорение восстановления и сокращение сроков госпитализации [5]. При этом онкологическая эффективность лапароскопических операций (как в кратко-, так и в долгосрочный период) сопоставима с результатами традиционной открытой хирургии, что подтверждается рандомизированными клиническими исследованиями [5, 6]. Оперативные вмешательства при злокачественных опухолях (РПК) прямой кишки (ПК) представляют собой одну из наиболее сложных и технически требовательных задач в колоректальной хирургии. Это связано с необходимостью резекции единым блоком вместе с окружающей мезоректальной клетчаткой и фасцией, при этом важно избежать их повреждения. В ходе диссекции в пресакральном пространстве требуется максимально щадяще сохранить нервные структуры, регулирующие функции мочеполовой системы, что осложняется ограниченным пространством малого таза. Использование лапароскопической техники в данной области также сопряжено с рядом трудностей: ограниченная подвижность инструментов из-за прямолинейной рабочей части, нестабильность изображения, его двухмерность и эффект инверсии движений рук хирурга при работе через троакары. Достижение оптимальных онкологических и функциональных результатов во многом зависит от опыта и технического мастерства хирурга [7]. В хирургической практике применяется понятие «кривая обучения». Наиболее полно его описал I.J. Park и соавт. в 2009 г. Кривая обучения – это минимальное количество операций, которое должен выполнить хирург, чтобы самостоятельно провести хирургическое вмешательство со стабильными и удовлетворительными результатами [8]. В настоящее время отсутствует унифицированный реестр показателей, характеризующих продолжительность и хирургические исходы типовых оперативных вмешательств в колоректальной хирургии, что приводит к сложностям в определении оптимальной кривой обучения для того или иного вида вмешательства. Цель – провести анализ кривой обучения в лапароскопической и робот-ассистированной колоректальной хирургии, оценить ее влияние на хирургические исходы и определить ключевые факторы, влияющие на продолжительность освоения этих методов. Методика написания систематического обзора. Систематический поиск литературы выполнен по методологии PRISMA (Preferred reporting items for systematic reviews and meta-analyses – «Предпочтительные элементы отчетности для систематических обзоров и метаанализов») с использованием научных баз данных PubMed и eLibrary. Глубина поиска составила период с 2000 по 2024 г. Поиск проводили с использованием комбинаций ключевых слов: «кривая обучения в колоректальной хирургии», «лапароскопическая колоректальная хирургия», «роботассистированная колоректальная хирургия», «кривая обучения», «малоинвазивная колоректальная хирургия», «хирургические исходы колоректальной хирургии»и их англоязычных аналогов: «learning curve colorectal surgery», «laparoscopic colorectal surgery learning curve», «robot-assisted colorectal surgery learning curve», «minimally invasive colorectal surgery, colorectal surgery outcomes». Критерии включения: 1) оригинальные исследования (про-и ретроспективные) с участием человека; 2) полнотекстовые статьи на английском или русском языках; 3) работы, оценивающие параметры кривой обучения в лапароскопической или робот-ассистированной хирургии ТК и ПК; 4) статьи, содержащие данные по хирургическим исходам (время операции, кровопотеря, осложнения, длительность госпитализации и др.). Критерии невключения: 1) обзорные статьи, клинические рекомендации; 2) работы без количественного анализа характеристик кривой обучения; 3) исследования с недостаточным описанием методики или исходов; 4) экспериментальные работы на животных моделях; 5) обучение на симуляторах/с применением виртуальной реальности. Поиск также проводили по пристатейным спискам литературы отобранных публикаций. Методология отбора литературных источников представлена на рисунке. Данные об исследованиях, отобранных для анализа, суммированы в таблице, включающей следующие параметры: 1) автор исследования, год, страна, номер библиографической ссылки в списке источников; 2) число пациентов (операций); 3) число хирургов; 3) техника операции (лапароскопическая/роботизированная); 4) длительность наблюдения; 5) клинические характеристики пациентов, 6) исходы в зависимости от опыта хирурга. Результаты. Литературный поиск выявил 24 публикации, соответствующие критериям включения и не имеющих критериев исключения, из них: 11 исследований лапароскопической техники, 10 исследований робот-ассистированной техники колоректальной хирургии, 3 исследования, в которых сравнивались кривые обучения обеих техник. Данные об исходах операций в зависимости от опыта хирурга представлены в таблице. В большинстве работ оценка кривой обучения основывалась на периоперационных показателях, прежде всего продолжительности операции, частоте осложнений и конверсий доступа (переход к лапаротомии). Согласно данным таблицы, для лапароскопических вмешательств плато кривой обучения, как правило, достигалось после выполнения 50–80 операций (среднее значение – 59 операций), что сопровождалось снижением времени оперативного вмешательства, частоты конверсий и других послеоперационных осложнений [8–10, 13–15, 17–23,26]. Для робот-ассистированных вмешательств характерна более короткая кривая обучения – 15– 30 операций (среднее значение – 28 операций), особенно у хирургов с предшествующим лапароскопическим опытом [10–12, 15, 16, 23–25, 27–31]. Применение стандартизированных хирургических техник [14], наставничества и симуляционного обучения способствовало ускорению выхода на плато и улучшению хирургических исходов [20, 21, 25]. Одним из ключевых аспектов исследований, посвященных хирургии, является анализ кривой обучения. В одном из систематических обзоров, оценивающем данный аспект, установлено, что большинство исследований фокусируются на технических показателях, таких как время операции, игнорируя при этом клинические и ориентированные на пациента исходы [32]. Согласно данным одного из обзоров по колоректальной хирургии, приблизительно 79% исследований сосредоточены исключительно на технических аспектах, а время операции является наиболее часто используемым параметром для оценки кривой обучения (в 65% случаев). Однако данный показатель имеет сложную интерпретацию, поскольку на него влияет множество факторов, включая индивидуальный опыт хирурга, анатомические особенности пациента и сложность конкретного случая [33]. В современной научной литературе устоялось разделение параметров оценки хирургических методик на 2 основные группы. Периоперационные показатели включают время операции – показатель технической сложности вмешательства и навыков хирурга; объем кровопотери – отражает уровень травматичности процедуры; выраженность болевого синдрома – оценивается по интенсивности послеоперационной боли и необходимости анальгезии; продолжительность госпитализации – важный параметр, влияющий на экономическую эффективность лечения; частота послеоперационных осложнений – показатель безопасности метода. Результаты лечения включают время до первого отхождения газов – индикатор восстановления моторной функции кишечника; время до начала приема мягкой пищи – важный параметр реабилитации; границы резекции – отсутствие опухолевых клеток по краям удаленной ткани является критерием онкологической радикальности; количество удаленных лимфатических узлов – индикатор адекватности хирургического вмешательства и прогностический фактор онкологического лечения; выживаемость пациентов – основной критерий долгосрочной эффективности лечения; качество жизни – особенно важно после низких резекций ПК, так как операция может влиять на функцию кишечника, мочеиспускание и половую функцию [34]. Выход на плато кривой обучения – важный этап в хирургическом обучении, обозначая момент, когда хирург достигает стабильных показателей эффективности и качества операции после периода совершенствования навыков. На начальных этапах освоения методики наблюдается сокращение времени операции и снижение частоты осложнений. Тем не менее со временем эти улучшения замедляются, и показатели достигают стабильного уровня – так называемого плато кривой обучения. Для объективной оценки продолжительности этого процесса исследователи часто анализируют результаты, разделяя операции на 3 группы (начальный период обучения, плато и продвинутый уровень) и проводя статистическое сравнение между ними. Одним из ключевых препятствий на пути к стандартизации хирургических вмешательств является отсутствие единой терминологии. Например, понятие «продолжительность операции» интерпретируется по-разному: одни исследователи определяют его как время от первого разреза кожи до наложения последнего шва; другие включают в этот период время от разреза кожи до наложения стерильной повязки. Такие расхождения в терминологии затрудняют сравнение результатов различных исследований и мешают разработке единых клинических стандартов. Ряд параметров, которые не поддаются быстрой коррекции, оказывают существенное влияние на продолжительность и характер кривой обучения. К таким факторам относятся финансовые возможности медицинского учреждения, общий уровень опыта клиники, доступность необходимого оборудования и расходных материалов, наличие квалифицированного наставника, доступ к симуляционным центрам, наличие второй консоли для ассистента (в случае робот-ассистированных операций), а также опыт ассистирующего хирурга [20]. Результаты проведенного обзора показали, что количество операций, необходимое для достижения профессионального уровня в малоинвазивной хирургии, варьируется в широком диапазоне – от 7 до 145. В ряде систематических обзоров показано, что робот-ассистированная колоректальная хирургия характеризуется более короткой кривой обучения (в среднем 15–30 операций), что сопровождается более быстрым снижением продолжительности операции и частоты конверсий по сравнению с лапароскопией при сохранении сопоставимых показателей безопасности [35–37]. Эти данные подтверждают результаты нашего исследования. Однако роботическая хирургия имеет и ряд недостатков, среди которых – длительное время установки системы, зависящее от модели используемого робота и опыта хирургической команды. Показано, что в первые 30 операций время докинга составляло практически ½ общей продолжительности оперативного вмешательства. Вместе с тем по мере накопления опыта, после выполнения более 30 вмешательств, наблюдалось значительное сокращение как времени докинга, так и общей длительности операции [31]. Указаны факторы, влияющие на динамику кривой обучения в колоректальной хирургии [38]: 1) частота проведения хирургических вмешательств – установлено, что хирурги, выполняющие от 5 до 10 операций в месяц, осваивают методику значительно быстрее, чем те, кто оперирует реже; 2) операционная техника – лапароскопические операции требуют более высокой точности движений и пространственного восприятия по сравнению с открытыми вмешательствами, что удлиняет период их освоения; 3) использование симуляционных технологий – современные тренажеры и виртуальные симуляторы способствуют более быстрому формированию мануальных навыков и пространственной ориентации. По данным N. Sinou и соавт., хирурги, прошедшие симуляционное обучение, сокращали кривую обучения на 20–30%, а тренировки на животных моделях снижали этот показатель на 10–15% [39]; наставничество – наличие опытного наставника на ранних этапах обучения позволяет снизить частоту технических ошибок на 35% и уменьшить длительность операции на 15% уже в первые 50 процедур [20, 21]. Доказано, что высокий опыт лапароскопии сокращает кривую обучения на роботической системе, количество выполненных операций в год также сокращает достижение плато при выполнении роботических вмешательств [25]. Основным показателем оценки кривой обучения считается продолжительность оперативного вмешательства при сравнении лапароскопических и роботических вмешательств. Так, в исследовании I.J. Park и соавт. [8, 31]обнаружено, что на ранних этапах роботизированные операции выполнялись быстрее (229,8 мин vs 242,3 мин), но на поздних этапах лапароскопические операции становились короче (168,8 мин vs 207,9 мин). Напротив, в исследовании G. Melich и соавт. [10]: на начальных этапах роботизированные операции длились дольше (397 мин против 308 мин), но к III фазе роботизированная хирургия стала быстрее лапароскопической (204 мин vs 220 мин). Анализ интраоперационной кровопотери продемонстрировал различия при выполнении лапароскопических и роботических вмешательств: в исследовании I.J. Park и соавт. [8] в роботизированной группе наблюдалось значительное снижение кровопотери на поздних фазах обучения. Напротив, в исследовании G. Melich и соавт. [10] показано, что на ранних стадиях (1–30 операций) кровопотеря была высокой в обеих группах. При всем том уже на средних стадиях (30–50 операций) кровопотеря в роботизированных операциях снижалась быстрее, чем в лапароскопических. На заключительном этапе – различия в кровопотере выравниваются, но в ряде исследований роботизированная хирургия демонстрирует лучшие показатели. Процесс освоения лапароскопических и роботизированных методик в колоректальной хирургии представляет собой сложный, но ключевой этап, определяющий не только профессиональную компетентность хирурга, но и безопасность пациента. Анализ научной литературы показывает, что обучение лапароскопической и роботической хирургии проходит поэтапно, и каждый этап сопровождается уменьшением частоты осложнений, сокращением времени операции и повышением уверенности хирурга. Факторы, влияющие на скорость освоения новых хирургических методик 1. Частота выполнения операций – хирурги, выполняющие более 50 лапароскопических операций в год, демонстрируют более быстрое освоение методики. 2. Симуляционное обучение – позволяет сократить количество реальных операций, необходимых для достижения экспертного уровня. 3. Наставничество (менторство) – снижает частоту осложнений и способствует более безопасному прохождению ранних этапов обучения. 4. Доступ к современным технологиям – роботизированная хирургия расширяет технические возможности хирурга, но требует значительных временных затрат на освоение. Будущее обучения хирургов в колоректальной хирургии связано с внедрением новых образовательных технологий, включая: – использование искусственного интеллекта для анализа хирургических ошибок. – применение виртуальной реальности для ускоренной подготовки специалистов. – разработку инновационных образовательных программ, сочетающих симуляционные технологии, видеоанализ и дистанционное обучение. Заключение. Анализ доступных исследований показывает, что кривая обучения, является значимым фактором, влияющим на результаты лапароскопических и робот ассистированных вмешательств в колоректальной хирурги. На ранних этапах освоения отмечаются более длительное времени операции, более высокая частота конверсий и периоперационных осложнений, тогда как по мере накопления опыта эти показатели постепенно улучшаются. Достижение плато кривой обучения сопровождается стабилизацией качества резекции, снижением количества технических ошибок и повышением онкологической радикальности. Длительность кривой обучения варьирует в зависимости от метода и уровня подготовки хирурга: в лапароскопической хирургии она обычно составляет 50–70 операций, тогда как при робот-ассистированных вмешательств 15–30 операций. Ключевыми факторами, влияющими на продолжительность освоения, являются: исходный опыт хирурга в малоинвазивной хирургии, частота выполнения операций, стандартизация техники, наличие наставничества, применение симуляционных технологий и современных систем визуализации. Таким образом, кривая обучения оказывает существенное влияние на хирургические исходы колоректальных операций, а ее оптимизация – через обучение, симуляции и структурированные образовательные программы – является важным условием повышения качества лечения пациентов. Конфликт интересов отсутствует. Вклад авторов. Все авторы сделали эквивалентный вклад в подготовку публикации. Источник финансирования. Авторы декларируют отсутствие внешнего финансирования для проведения исследования и публикации статьи.

Литература:
1. Bray F, Laversanne M, Sung H, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024;74(3):229-63. DOI:10.3322/caac.21834
2. Каприн А.Д., Старинский В.В., Шахзадова А.О., ред. Злокачественные новообразования в России в 2023 году (заболеваемость и смертность). М.: МНИОИ им. П.А. Герцена – филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2024; 276 с.
3. Pan H, Tang Y, Zhu H, et al. Global burden, trends, and risk factors of early-onset and late-onset colorectal cancer from 1990 to 2021, with projections to 2040: A population-based study. BMC Gastroenterology. 2025;25(1):486. DOI:10.1186/s12876-025-04086-5
4. Станоевич У.С., Крашихина Т.В., Колесников П.Г. и др. Эволюция хирургического лечения колоректального рака. Вестник Российского научного центра рентгенорадиологии Минздрава России. 2017;17(3):1-13.
5. van der Pas MH, Haglind E, Cuesta MA, et al. COlorectal cancer Laparoscopic or Open Resection II (COLOR II) Study Group. Laparoscopic versus open surgery for rectal cancer (COLOR II): Short-term outcomes of a randomised, phase 3 trial. Lancet Oncol. 2013;14(3):210-8. DOI:10.1016/S1470-2045(13)70016-0
6. Green BL, Marshall HC, Collinson F, et al. Long-term follow-up of the Medical Research Council CLASICC trial of conventional versus laparoscopically assisted resection in colorectal cancer. Br J Surg. 2013;100(1):75-82. DOI:10.1002/bjs.8945
7. Tsai KY, Kiu KT, Huang MT, et al. The learning curve for laparoscopic colectomy in colorectal cancer at a new regional hospital. Asian J Surg. 2016;39(1):34-40. DOI:10.1016/j.asjsur.2015.03.008
8. Park IJ, Choi GS, Lim KH, et al. Multidimensional analysis of the learning curve for laparoscopic colorectal surgery: Lessons from 1,000 cases of laparoscopic colorectal surgery. Surg Endosc. 2009;23(4):839-46. DOI:10.1007/s00464-008-0259-4
9. Goksoy B, Kiyak M, Karadag M, et al. Learning curve of laparoscopic surgery for colorectal cancer at a new regional state hospital: A single-surgeon experience of 106 consecutive cases without supervision. Surg Technol Int. 2022;41:173-81. DOI:10.52198/22.STI.41.CR1596
10. Melich G, Hong YK, Kim J, et al. Simultaneous development of laparoscopy and robotics provides acceptable perioperative outcomes and shows robotics to have a faster learning curve and to be overall faster in rectal cancer surgery: Analysis of novice MIS surgeon learning curves. Surg Endosc. 2015;29(3):558-68. DOI:10.1007/s00464-014-3698-0
11. Nasseri Y, Stettler I, Shen W, et al. Learning curve in robotic colorectal surgery. J Robot Surg. 2021;15(3):489-95. DOI:10.1007/s11701-020-01131-1
12. Lin CY, Liu YC, Chen MC, Chiang FF. Learning curve and surgical outcome of robotic assisted colorectal surgery with ERAS program. Sci Rep. 2022;12(1):20566. DOI:10.1038/ s41598-022-24665-w
13. Cuk P, Simonsen RM, Sherzai S, et al. Surgical efficacy and learning curves of laparoscopic complete mesocolic excision with intracorporeal anastomosis for right-sided colon cancer: A retrospective two-center cohort study. J Surg Oncol. 2023;127:1152-9. DOI:10.1002/jso.27230
14. Gkionis IG, Flamourakis ME, Tsagkataki ES, et al. Multidimensional analysis of the learning curve for laparoscopic colorectal surgery in a regional hospital: The implementation of a standardized surgical procedure counterbalances the lack of experience. BMC Surg. 2020;20(1):308. DOI:10.1186/s12893-020-00975-6
15. de’Angelis N, Lizzi V, Azoulay D, Brunetti F. Robotic versus laparoscopic right colectomy for colon cancer: Analysis of the initial simultaneous learning curve of a surgical fellow. J Laparoendosc Adv Surg Tech A. 2016;26(11):882-92. DOI:10.1089/lap.2016.0321
16. Kolehmainen CSJ, Ukkonen MT, Tomminen T, et al. Short learning curve in transition from laparoscopic to robotic-assisted rectal cancer surgery: A prospective study from a Finnish tertiary referral centre. J Robot Surg. 2023;17(5):2361-7. DOI:10.1007/s11701-023-01626-7
17. Унгурян В.М., Бабич А.И., Побединцева Ю.А. и др. Внедрение лапароскопических технологий в хирургию колоректального рака на примере регионального онкологического центра. Онкологическая колопроктология 2018;8(4):60–4. DOI: 10.17650/2220-3478-2018-8-4-60-64
18. Tekkis PP, Senagore AJ, Delaney CP, Fazio VW. Evaluation of the learning curve in laparoscopic colorectal surgery: Comparison of right sided and left sided resections. Ann Surg. 2005;242(1):83-91. DOI:10.1097/01.sla.0000167857.14690.68
19. Dincler S, Koller MT, Steurer J, et al. Multidimensional analysis of learning curve in laparoscopic sigmoid resection: 8-Year results. Dis Colon Rectum. 2003;46(10):1278-9. DOI:10.1007/s10350-004-6752-5
20. Li JC, Hon SS, Ng SS, et al. The learning curve for laparoscopic colectomy: Experience of a surgical fellow in a university colorectal unit. Surg Endosc. 2009;23(7):1603-8. DOI:10.1007/s00464-009-0497-0
21. Kim JH, Lee IK, Kang WK, et al. Initial experience of a surgical fellow in laparoscopic colorectal cancer surgery under training protocol and supervision: Comparison of shortterm results for 70 early cases (under supervision) and 73 late cases (without supervision). Surg Endosc. 2013;27(8):2900-6. DOI:10.1007/s00464-013-2851-5
22. Perivoliotis K, Baloyiannis I, Mamaloudis I, et al. Change point analysis validation of the learning curve in laparoscopic colorectal surgery: Experience from a non-structured training setting. World J Gastrointest Endosc. 2022; 14(6): 387-401 DOI:10.4253/wjge.v14.i6.387
23. Мурашко Р.А., Ермаков Е.А., Уваров И.Б. Роботассистированные и лапароскопические операции при колоректальном раке: кривая обучения и непосредственные результаты. Онкологическая колопроктология. 2017;7(3):25-34. DOI:10.17650/2220-3478-2017-7-3-25-34
24. Wong SW, Crowe P. Automated performance metrics, learning curve and robotic colorectal surgery. Int J Med Robot. 2024;1:e2588. DOI:10.1002/rcs.2588
25. Odermatt M, Ahmed J, Panteleimonitis S, et al. Prior experience in laparoscopic rectal surgery can minimise the learning curve for robotic rectal resections: A cumulative sum analysis. Surg Endosc. 2017;31:4067-76. DOI:10.1007/s00464-017-5453-9
26. Schlachta CM, Mamazza J, Seshadri PA, et al. Defining a learning curve for laparoscopic colorectal resections. Dis Colon Rectum. 2001;44(2):217-22. DOI:10.1007/BF02234296
27. Bokhari MB, Patel CB, Ramos-Valadez DI, et al. Learning curve for robotic-assisted laparoscopic colorectal surgery. Surg Endosc. 2011;25(3):855-60. DOI:10.1007/s00464-010-1281-x
28. Shaw DD, Wright M, Taylor L, et al. Robotic colorectal surgery learning curve and case complexity. J Laparoendosc Adv Surg Tech A. 2018;28(10):11638. DOI:10.1089/lap.2016.0411
29. Byrn JC, Hrabe JE, Charlton ME. An initial experience with 85 consecutive robotic-assisted rectal dissections: Improved operating times and lower costs with experience. Surg Endosc. 2014;28(11):3101-7. DOI:10.1007/s00464-014-3591-x
30. Sng KK, Hara M, Shin JW, et al. The multiphasic learning curve for robot-assisted rectal surgery. Surg Endosc. 2013;27:3297-307. DOI:10.1007/s00464-013-2909-4
31. Park EJ, Kim CW, Cho MS, et al. Multidimensional analyses of the learning curve of robotic low anterior resection for rectal cancer: 3-Phase learning process comparison. Surg Endosc. 2014;28(10):2821-31. DOI:10.1007/s00464-014-3569-8
32. Udwadia TE. Training for laparoscopic colorectal surgery: creating an appropriate porcine model and curriculum for training. J Minim Access Surg. 2021;17(2):180-7. DOI:10.4103/jmas.JMAS_86_20
33. Унгурян В.М., Круглов Е.А., Побединцева Ю.А. Кривые обучения в минимально инвазивной онкохирургии. Эндоскопическая хирургия. 2020;26(4):54-8. DOI:10.17116/endoskop20202604154
34. Miskovic D, Ni M, Wyles SM, et al. Learning curve and case selection in laparoscopic colorectal surgery: Systematic review and international multicenter analysis of 4852 cases. Dis Colon Rectum. 2012;55(12):1300-10. DOI:10.1097/DCR.0b013e31826ab4dd
35. Flynn J, Larach JT, Kong JCH, et al. The learning curve in robotic colorectal surgery compared with laparoscopic colorectal surgery: A systematic review. Colorectal Dis. 2021;23(11):2806-20. DOI:10.1111/codi.15843
36. Hoshino N, Sakamoto T, Hida K, Sakai Y. Robotic versus laparoscopic surgery for rectal cancer: An overview of systematic reviews with quality assessment of current evidence. Surg Today. 2019;49(7):556-70. DOI:10.1007/s00595-019-1763-y
37. Нечай Т.В., Панин С.И., Сажин А.В., и др. Сравнение роботассистированных и традиционных видеоэндоскопических операций в РФ. (Результаты систематического обзора и метаанализа). Хирургия. Журнал им. Н.И. Пирогова. 2022;(6):88-101. DOI:10.17116/hirurgia202206188
38. Wong SW, Crowe P. Factors affecting the learning curve in robotic colorectal surgery. J Robot Surg. 2022;16(6):1249-56. DOI:10.1007/s11701-022-01373-1
39. Sinou N, Sinou N, Pappa M, et al. Virtual reality in laparoscopic colorectal surgery training. Maedica (Bucur). 2023;18(3):470-476. DOI:10.26574/maedica.2023.18.3.470