一次吻合步骤中的手控器坐标
这项研究是对2020年12月至2023年11月期间在神户大学医院使用Hinotori手术机器人系统连续实施的机器人辅助根治性前列腺切除术的回顾性观察分析。在132例连续手术中，98例（74.2%）在膀胱尿道吻合期间具有完整的运动学日志；其余34例因技术记录失败被排除，主要是早期采用阶段的网络连接问题。
运动学窗口狭窄而具体：从首次抓针到膀胱尿道吻合的最终打结完成。系统以1 Hz记录双手控器坐标（x、y、z，单位为毫米）。缺失数据低于0.1%，采用双向填充；短于100个采样点（100秒）的轨迹被排除；左右轨迹被截断为等长。
专长由认证而非结果定义。术者根据日本机器人辅助泌尿外科手术的正式Proctor认证被标记为Proctor（专家）或Non-Proctor，该认证要求：日本泌尿外科学会认证专科医师资格、日本内镜与机器人外科学会会员资格、作为主刀医生完成至少40例（根治性前列腺切除术和/或根治性膀胱切除术合计）、至少一篇关于机器人辅助手术的论文或会议报告，以及完成官方Proctor教育研讨会。认证Proctor实施了68例手术（69.4%），非Proctor实施了30例（30.6%）；全部16名术者均为右利手。两组患者人口学特征无显著差异，作者据此认为结果差异反映的是技术而非病例选择。
仅凭位置数据构建的25项特征
特征流程将原始坐标转换为五个领域的25项运动学参数，全部仅源自三维位置，因此作者称这些参数理论上可从任何具备位置追踪能力的机器人系统提取。运动平滑度由无量纲jerk和平均jerk刻画。速度特征包括平均速度、变异系数和百分位分布。运动模式包括停留时间百分比（速度低于2 mm/s的采样点占比）和峰密度，即速度曲线中单位时间内的峰值数量。工作空间利用采用三维包围盒体积和运动范围。路径效率是起点与终点间直线距离与实际路径长度之比。双手协调涵盖手间速度相关性、平均手间距、50个采样点窗口上的运动同步性以及双侧停留同步性。
其中两个定义对理解结果很重要。峰密度是手部速度曲线中局部极大值的频率计数，单位为峰/秒——不是平滑度评分，也不是外科技术的直接测量。停留时间是速度低于2 mm/s的采样点比例，因此数值越低意味着接近静止的时间越少。论文明确指出，不应将更高的峰密度单独解读为熟练的节律，因为重复的速度峰值也可能来自机械性或低效的运动。
专家动作更平滑、更快、峰值更密集
Proctor术者的左手机峰密度为0.087 ± 0.005峰/秒，非Proctor为0.079 ± 0.005（Cohen's d = 1.618，p < 0.001），速度峰值频率高10.1%，是研究中最大的效应量。Proctor双手的无量纲jerk均更低——左手为(4.3 ± 2.3) × 10^5对(7.8 ± 3.3) × 10^5，右手为(4.2 ± 2.2) × 10^5对(7.3 ± 3.0) × 10^5——作者将其描述为动作平滑44%。吻合时间为Proctor 45.5 ± 16.1分钟，非Proctor 67.8 ± 18.8分钟（d = 1.313，p < 0.001），缩短32.9%。
25项特征中有15项（60%）在错误发现率校正后仍具有统计学显著性。左右手贡献并不相同：左手特征在运动模式指标和路径长度上区分更好，右手特征在速度指标和停留时间上区分更好。作者将左手优势解释为非优势手在吻合过程中维持组织张力和控制针的作用——这是解释，而非实测机制。
有一项特征需要附加警示。工作空间体积是包围盒测量，对空间离群值敏感；在5至95百分位的稳健估计下，左手组间差异减弱并失去显著性（Cohen's d从0.57降至0.29），右手差异缩小（d从0.65降至0.52）。因此，工作空间相关发现应被视为不如峰密度和jerk结果稳定。
逐病例准确率掩盖了术者层面的弱点
随机森林分类器在20次独立训练-测试划分中达到平均AUC 0.892 ± 0.075，五折交叉验证下为0.882，尽管存在68对30的类别不平衡，平均精确率仍为0.940。特征重要性排名中，左手机峰密度最高，为11.9%，其次是右手速度变异系数11.1%和吻合时间9.0%。
这些数字是逐病例的：每例手术是一个数据点，同一术者同时出现在训练折和测试折中。由于专长是术者的属性而非病例的属性，作者还进行了留一术者法和按术者分组验证。此时情况发生明显变化。完整的25特征随机森林在留一术者验证中AUC降至0.571，而逐病例估计为0.888——这表明其逐病例表现很大程度上反映了术者特异性模式，而非可迁移的技术信号。
将模型限制在排名最高的三个特征——左手机峰密度、右手速度变异系数和吻合时间——随机森林的留一术者AUC为0.788，逻辑回归为0.844，按术者分组AUC分别为0.877和0.883。仅对左手机峰密度建模即达到0.869。作者认为单一特征无法编码多变量的术者特异性模式，因此这是专长信号可跨术者泛化的最抗泄漏证据。敏感性分析支持稳定性，在不同术者纳入/排除情景下AUC为0.86至0.91，包括排除病例量最高的非Proctor术者（30例非Proctor病例中的16例）后AUC为0.86。
峰密度不只是速度的代理
一个自然的质疑是，峰密度只是衡量术者操作有多快。论文直接检验了这一点。峰密度与任务时间相关（Spearman rho = −0.53），因此两者有重叠，但峰密度不能还原为任务时间：校正任务时间后，它在未见过的术者中仍保持区分能力，残差化留一术者AUC为0.771，与专长的偏相关为r = 0.45（p < 0.001）。将峰密度与任务时间结合后，未见术者的区分能力从0.869提升至0.885。
作者的解读是，重复的运动结构与效率应一起解释，而非仅视为节律。他们推测，专家中较低的停留时间与更一致的速度相结合，可能反映专长研究中所谓的“心流状态”，但明确将其标记为需要专门心理学评估的猜想。仅坐标数据也无法分割速度峰值可能对应的具体动作——进针、缝线处理和手部重新定位。
临床结局关联微弱且属探索性
控制吻合时间的偏相关分析发现两个与任务时间无关的特征与估计失血量相关：左手运动锐度（r = 0.202，p = 0.046）和左手工作空间体积（r = 0.204，p = 0.044）。这些是弱相关，且工作空间指标正是稳健估计下减弱的那个指标。对5例吻合口漏患者的探索性分析报告，运动相关特征的效应量大于无漏患者，但n = 5无法支持预测性结论。
组间临床差异参差不齐。Proctor的控制台时间更短（227.6 ± 78.4对281.4 ± 76.9分钟，p = 0.008），失血量相当（150.6 ± 187.3对203.0 ± 305.1 mL，p = 0.975）。3个月控尿恢复率Proctor为46.2%，非Proctor为23.3%（p = 0.058），这一差异未达到常规显著性，并在6个月时缩小（58.5%对53.3%，p = 0.805）。因此，摘要中“运动学模式与临床结局相关”的表述应理解为涵盖这些适度、部分探索性的关联，而非运动学能预测患者结局的证据。
两位专家，两种适应表型
学习曲线分析是最具体的证明，表明专长不是单一轨迹。两位认证Proctor在过渡到Hinotori平台时表现不同。术者A（n = 18）逐步改善：吻合时间缩短25.7%，速度相关性提高18.5%，左手工作空间体积减少50.8%。术者B（n = 14）从第一例起就保持稳定的表现指标。
最大差异在双手协调。术者A的双侧停留时间改善8.7%，速度相关性提高18.5%，而术者B的双侧停留时间增加4.8%，速度相关性下降7.4%。由于只有两位术者，这些被描述为对个性化训练有启示的不同表型——这是产生假设的观察，而非经过验证的专家适应方式分类。
这些指标能支持什么、不能支持什么
论文自身的定位是，坐标导出的指标与专家视频评估工具（如GEARS）互补，而非替代。GEARS通过专家评审对深度感知、双手灵巧性、效率、力敏感度、自主性和机器人控制进行评分。作者声明，他们不主张这一回顾性纯坐标数据集具有GEARS级别的收敛效度，并呼吁开展前瞻性研究，采用盲法多评估者GEARS评估和评估者间信度分析。
范围限制同样具体。数据来自一家机构、一个机器人平台、一种手术类型，且仅限膀胱尿道吻合步骤，涉及16名右利手术者；作者指出，长期肿瘤学结局和混合利手队列需要前瞻性外部验证，才能用于任何认证或培训用途。原始坐标的可获得性也因平台而异，因此跨平台迁移仍未经验证。
由此得出的实际优先事项是比较，而非部署。如果目标是建立一个对从未见过的术者有效的模型，证据支持一个小型、可解释的集合——左手机峰密度、右手速度变异系数和吻合时间，或仅左手机峰密度——而非完整的25特征模型，后者的逐病例AUC 0.892在未见术者上降至0.571。论文最有用的贡献正是这一区分：数据集内的高准确率与可泛化的技术评估不是同一主张，只有简约的指标通过了术者层面的检验。
本文引用的文献
Fundamental kinematic indicators predict surgical expertise and clinical outcomes in robot-assisted surgery
基于25项坐标导出运动学特征的随机森林以逐病例AUC 0.892 ± 0.075分类外科专长，但只有少数指标（左手机峰密度、右手速度变异系数、吻合时间）泛化到未见过的术者，留一术者AUC达到0.788–0.844，而完整模型降至0.571。