Learning curves and training in robotic organ transplantation: bibliometric mapping with kidney transplantation as the principal clinical model.

چکیده اصلی

Literature on learning and training in robotic transplantation spans multiple procedures, but its evidence base is strongly kidney-dominant and direct bibliometric findings need to be distinguished from clinical interpretation. We aimed to map the bibliometric development of literature explicitly addressing learning, proficiency, experience, and training in robotic transplantation and, secondarily, to interpret the clinical meaning of the mapped evidence across transplant procedures. The Web of Science Core Collection (WoSCC) was searched through August 11, 2026 using a predefined strategy that intersected robotic transplant or donor procedures with learning-related terms. English-language Articles and Review Articles were analyzed with R/Bibliometrix-Biblioshiny and CiteSpace 6.4.R1. Bibliometric findings were interpreted using an author-derived four-domain framework covering technical acquisition, procedural efficiency, clinical stabilization, and program-level implementation/transfer; this framework was not treated as a bibliometrically derived or validated proficiency model. Of 284 retrieved records, 167 publications were included after document-type and language screening. The corpus spanned 2002-2026, 61 sources, 908 authors, and 2,975 cited references; annual growth was 14.35%, mean citations were 17.75 per document, and international coauthorship was 31.14%. Publication growth accelerated after 2018. The United States led corresponding-author output (62 publications) and country citations (1,193), while the University of Florence was the leading affiliation (47 publications). Kidney transplantation was the dominant clinical model: 'kidney transplantation' was the most frequent all-keyword term (50 occurrences), and robot-assisted kidney transplantation formed the largest cited-reference cluster. Later temporal signals included explicit learning curves, donor nephrectomy, training, and living-donor liver transplantation. Bibliometric mapping shows that the learning-explicit robotic transplantation literature is strongly kidney-dominant, with evidence from other organs representing smaller and clinically distinct extensions. On the basis of this mapped literature, we propose - rather than validate - a multidomain interpretation in which technical efficiency, transplant-specific process control, clinical outcomes, and program-level transfer may evolve differently. Case-number thresholds should therefore be reported with their endpoint, baseline expertise, procedure, and case mix, and should not be used as portable credentialing standards without organ-specific and multicenter validation.

ترجمه فارسی چکیده

ادبیات مربوط به یادگیری و آموزش در پیوند رباتیک فراتر از یک پروتکل خاص است، اما پایگاه شواهد آن به شدت مبتنی بر پیوند کلیه است و یافته‌های بیبلیومتریک باید از تفسیر بالینی متمایز شوند. هدف ما نقشه‌برداری توسعه بیبلیومتریک ادبیاتی است که به طور صریح یادگیری، مهارت، تجربه و آموزش در پیوند رباتیک را پوشش می‌دهد و به طور ثانویه تفسیر معنای بالینی شواهد نقشه‌برداری شده در میان پروتکل‌های پیوند است. از پایگاه داده کل مجموعه وب (WoSCC) تا ۱۱ اوت ۲۰۲۶ با یک استراتژی از پیش تعریف‌شده که عبارت‌های مرتبط با یادگیری را با عملیات پیوند رباتیک یا اهداگر قطع می‌کرد، جستجو شد. مقالات و مقالات مروری به زبان انگلیسی با استفاده از R/Bibliometrix-Biblioshiny و CiteSpace 6.4.R1 تحلیل شدند. یافته‌های بیبلیومتریک با یک چارچوب چهاربُعدی مبتنی بر نویسندگان (دریافت فنی، کارایی پروتکل، پایداری بالینی و پیاده‌سازی/انتقال سطح برنامه) تفسیر شدند. این چارچوب به عنوان یک مدل مهارت مبتنی بر بیبلیومتریک یا تایید‌شده تلقی نشد. پس از غربالگری نوع سند و زبان، ۱۷۲ مقاله از ۲۸۴ رکورد بازیابی شده شامل شد. این مجموعه از ۲۰۰۲ تا ۲۰۲۶، ۶۱ منبع، ۹۰۸ نویسنده و ۲۹۷۵ ارجاع را پوشش می‌داد؛ رشد سالانه ۱۴.۳۵٪، میانگین ارجاعات ۱۷.۷۵ به هر سند و همکاری بین‌المللی ۳۱.۱۴٪ بود. رشد انتشار پس از ۲۰۱۸ تسریع شد. ایالات متحده در تولید نویسنده مسئول (۶۲ مقاله) و ارجاعات کشوری (۱,۱۹۳) رهبری کرد، در حالی که دانشگاه فلورانس affiliations برجسته (۴۷ مقاله) بود. پیوند کلیه مدل بالینی غالب بود: «پیوند کلیه» فراوان‌ترین کلیدواژه (۵۰ تکرار) و پیوند کلیه کمکی رباتیک بزرگترین خوشه ارجاعی را تشکیل داد. سیگنال‌های زمانی بعدی شامل منحنی‌های یادگیری صریح، نفتکومی نئفرکتومی اهداکننده، آموزش و پیوند کبد اهداکننده زنده بود. نقشه‌برداری بیبلیومتریک نشان می‌دهد که ادبیات پیوند رباتیک مبتنی بر یادگیری به شدت مبتنی بر کلیه است و شواهد سایر ارگان‌ها نمایانگر گسترش‌های کوچک و بالینی متمایز هستند. بر اساس این ادبیات نقشه‌برداری شده، ما یک تفسیر چندبُعدی پیشنهاد می‌کنیم - نه اینکه آن را تایید کنیم - که در آن کارایی فنی، کنترل فرآیند خاص پیوند، نتایج بالینی و انتقال سطح برنامه ممکن است به طور متفاوت تکامل یابند. بنابراین، آستانه‌های تعداد مورد باید با پایان‌بندی، مهارت پایه، پروتکل و ترکیب مورد گزارش شوند و نباید به عنوان استانداردهای معتبرسازی قابل حمل بدون تایید خاص ارگانیک و چندمرکزی استفاده شوند.

متن کامل اصلی