Subscribe to RSS
DOI: 10.1055/s-0040-1711488
Untersuchungen zur strukturierten Operationsplanung von funktionell endoskopischen Nasennebenhöhlen-Operationen anhand der Computertomographie
Einleitung Die präoperative Planung von Nasennebenhöhlen (NNH)-Operationen anhand der Computertomographie (CT) ist ein essentieller Bestandteil des Eingriffes. Vielfach existieren keine einheitlichen Dokumentationsstrukturen und die Befundqualität sowie die Vollständigkeit unterliegen starken Schwankungen. Ziel der Studie war es, die Befundqualität und die Benutzerzufriedenheit von konventioneller Operationsplanung (COP) anhand von NNH-CTs und strukturierter Operationsplanung (SOP) im Rahmen eines viertägigen NNH-Operationskurses zu vergleichen.
Material und Methoden: n=15 freiwillige Teilnehmer (6 Frauen, 9 Männer) wurden gebeten ein NNH-CT mit typischen Pathologien zunächst handschriftlich zu befunden und die OP zu planen. Anschließend beurteilten die Teilnehmer das gleiche CT mit Hilfe einer strukturierten digitalen Befundungsmaske. COP und SOP wurden bezüglich Zeitaufwand, Befundqualität und Lesbarkeit von zwei erfahrenen HNO-Fachärzten unabhängig ausgewertet. Die Benutzerzufriedenheit wurde mittels visueller Analogskalen evaluiert.
Ergebnisse Die benötigte Zeit bei der COP war signifikant geringer als bei SOP (183 s vs. 297 s, p < 0.01). Die SOPs waren jedoch besser lesbar und zeigten eine signifikant höhere Befundvollständigkeit (61,3 % vs. 22,7 %, p < 0,01), wobei relevante Pathologien und anatomische Variationen genauer beschrieben wurden. Die Benutzerzufriedenheit war mit der SOP signifikant höher (VAS 8,3 vs. 6,8, p < 0,01) und ihr Einsatz im klinischen Alltag wurde als sehr sinnvoll bewertet.
Schlussfolgerung Die SOP anhand von NNH-CTs im Rahmen der präoperativen Planung von NNH-Operationen erfordert einen höheren Zeitaufwand, liefert jedoch detailliertere und besser lesbare Befunde. Besonders in der Ausbildung kann die SOP daher eine wertvolle Unterstützung sein.
#
Publication History
Article published online:
10 June 2020
© 2020. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial-License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commercial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/).
© Georg Thieme Verlag KG
Stuttgart · New York