2016-2022年全国住院脊柱融合术中导航与机器人的使用率仍然较低但正在增加

National Utilization of Navigation and Robotics in Inpatient Spinal Fusion Remains Low but is Increasing, 2016-2022

作者信息Mitchell K Ng, Leonidas E Mastrokostas, Paul G Mastrokostas, Gregorio Baek, Matthew Meade, Mohamed Said, Pemla Jagtiani, Jad Bou Monsef, Afshin E Razi, Barrett Woods, Mark F Kurd, Ian David Kaye, Zachary Wilt, Thomas D Cha, Alan S Hilibrand, Alexander R Vaccaro, Gregory D Schroeder, Christopher K Kepler, Andrew P Alvarez
PMID42730709
发布时间2026-09-12
DOI10.1177/21925682261490446

实验完整度

基于全国住院样本数据库的回顾性观察性分析,无前瞻性实验干预或机制验证,未提供细胞或动物实验数据。

主要模型

全国住院患者样本(NIS)2016-2022年成人脊柱融合住院病例

重点核对

技术识别:ICD-10-PCS编码区分导航辅助、机器人辅助或传统手术,同期编码两种技术时归类为机器人 研究人群:成人(≥18岁)且至少一个合格脊柱融合编码出现在入院当日 排除标准:年龄<18岁、缺失关键人口学/医院特征/出院去向、非择期入院、手术非入院当日进行、缺失支付方数据或负住院时长 并发症定义:基于ICD-10-CM/PCS编码,包括输血、静脉血栓栓塞、急性出血后贫血、心肌梗死等,并定义二分类不良事件变量 统计方法:纳入调查权重、分层和聚类变量生成全国估计,采用Rao-Scott卡方检验和Wald F检验,P<0.05为显著

摘要

研究设计:回顾性队列研究。目的:脊柱融合术的采用模式在全国层面仍不明确。本研究旨在评估2016年至2022年脊柱融合术中导航与机器人的全国采用趋势。方法:查询全国住院患者样本中2016年至2022年成人脊柱融合住院病例。手术分为导航辅助、机器人辅助或传统方式。结局包括使用频率、并发症和出院去向。使用调查权重生成全国估计值,并在各组间比较结局。结果:2016年至2022年共2,057,450例住院脊柱融合术中,152,155例(7.4%)采用了技术——120,525例(5.9%)为导航,31,630例(1.5%)为机器人。技术使用率从2016年的2.7%增加到2022年的13.3%(导航从2.30%增至10.39%;机器人从0.36%增至2.90%)。未调整的平均并发症率传统组为20.9%,导航辅助组为25.6%,机器人辅助组为22.4%,非常规出院率在不同队列和脊柱区域间也存在差异。然而,这些发现应谨慎解读,因为选择偏倚和未测量的病例复杂性差异可能影响了技术使用及相关结局。需要更精细临床数据的进一步研究来更好地界定这些技术与围手术期结局之间的关系。结论:这项全国性研究描述了导航/机器人辅助脊柱融合的趋势。尽管采用率仍然不高,但机器人扩展速度比导航更陡峭。尽管观察到队列间未调整并发症谱存在差异,鉴于可能存在选择偏倚和未测量的病例复杂性,这些发现应谨慎解读,需要前瞻性研究来确定长期结局。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
2016至2022年全国住院脊柱融合术中导航与机器人的使用趋势如何?其围手术期并发症与传统手术相比有何差异?
核心机制
文中未明确说明
主要证据
基于全国住院患者样本(NIS)2,057,450例加权脊柱融合住院病例的分析显示,技术辅助手术占7.4%(导航5.9%,机器人1.5%),使用率从2016年2.7%上升至2022年13.3%;未调整并发症率传统组20.9%、导航组25.6%、机器人组22.4%。
研究意义
这项全国性研究首次描述和量化了脊柱融合术中导航与机器人的真实世界采用趋势,强调需要前瞻性研究以明确长期结局、成本效益及这些技术在复杂脊柱手术中的演变角色。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据源与队列构建

建立全国住院脊柱融合手术的回顾性队列以评估技术采用趋势

查询NIS数据库2016-2022年成人脊柱融合住院病例,使用ICD-10-PCS手术编码识别脊柱融合,涵盖脊柱区域、手术入路和侵入性

2

技术识别与分组

区分导航辅助、机器人辅助和传统脊柱融合手术

通过ICD-10-PCS技术编码识别计算机辅助和机器人辅助脊柱/躯干手术,每例入院被标记为导航辅助、机器人辅助或两者均无,同期编码两种技术时归类为机器人

3

并发症与结局评估

比较各组围手术期并发症和出院去向

使用ICD-10-CM/PCS编码识别围手术期并发症,包括心血管事件(输血、静脉血栓栓塞、急性出血后贫血、心肌梗死)、呼吸系统并发症、神经系统并发症、机械并发症、吞咽困难、急性肾损伤和脓毒症;定义二分类不良事件变量;出院去向分为常规(回家)和非常规

4

统计分析

生成全国估计值并比较各组结局

纳入调查权重、分层和聚类变量生成全国估计;分类变量用Rao-Scott卡方检验,连续变量用Wald F检验;计算年度采用趋势和复合年增长率(CAGR);使用R 4.4.0进行分析

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
R 4.4.0R Foundation for Statistical Computing, Vienna, Austria--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据源与队列构建
数据来源:National Inpatient Sample (NIS) 2016-2022;纳入年龄≥18岁;纳入标准为入院当日至少一个合格脊柱融合ICD-10-PCS编码;排除标准包括年龄<18岁、缺失关键变量、非择期入院、手术非入院当日、缺失支付方数据、负住院时长
阅读提示:Methods小节'Data Source'、'Study Population and Cohort Construction'、'Exclusion Criteria'
技术识别与分组
技术识别基于ICD-10-PCS编码;分组规则:导航辅助、机器人辅助或传统;同期编码两种技术时归类为机器人
阅读提示:Methods小节'Technology Identification (Navigation vs Robotic)'
并发症与结局评估
并发症基于ICD-10-CM/PCS编码;心血管事件单独分析(输血、静脉血栓栓塞、急性出血后贫血、心肌梗死);呼吸系统并发症分组(肺炎、肺栓塞);神经系统并发症分组(脑血管意外、神经系统并发症、脑脊液漏/硬膜撕裂);其他个体并发症包括机械并发症、吞咽困难、急性肾损伤、脓毒症;二分类不良事件变量定义为至少一种并发症;出院去向分为常规(回家)和非常规
阅读提示:Methods小节'Complication Definitions'、'Variables and Outcomes'
统计分析
纳入调查权重、分层和聚类变量生成全国估计;Rao-Scott卡方检验比较分类变量;Wald F检验比较连续变量;计算CAGR;P<0.05为显著;小细胞尺寸(≤10)被抑制报告
阅读提示:Methods小节'Statistical Analysis';Results中表格脚注