Quantitative Analysis of Instrument Motion Paths in Cataract Surgery across a Resident’s Training
Notice bibliographique
Résumé
Purpose To objectively quantify the motion paths of surgical instruments during cataract surgery across a resident's training, identifying patterns of skill acquisition and proficiency development. Design An n = 1 panel study. Subjects One ophthalmology resident performing cataract surgery. Methods One hundred cataract surgery videos performed by a single resident from their sixth to 760th case were collected. Advanced motion tracking software (Computer Vision Annotation Tool) was utilized to annotate and track the trajectories of 11 surgical instruments on a frame-by-frame basis. Monotonic trends were assessed using the Mann–Kendall test and Theil–Sen slope estimation, with Spearman correlation measuring the association between case number and performance metric values. Pettitt change-point analysis identified significant transitions in the resident's skill progression. Main Outcome Measures Six key motion parameters, including total path length, average velocity, average acceleration, root mean square jerk, average angular change, and workspace coverage, were extracted for each instrument in each video. Results All 11 instruments demonstrated statistically significant reductions in ≥1 motion parameter. Path length consistently decreased across training, with the largest reductions seen in the cannula (–11.8%; 95% confidence interval [CI], –17.4% to –6.8%; P < 0.001), phacoemulsification handpiece (–11.5%; 95% CI, –14.1% to –8.7%; P < 0.001), and cystotome (–8.9%; 95% CI, –11.8% to –5.9%; P < 0.001). The intraocular lens inserter showed the greatest reduction in average angular change of 3.0% (–1.70°) (95% CI, –3.9% to –2.0%; P < 0.001). Pettitt analysis demonstrated significant shifts in surgical efficiency at around case 300 for most instruments, although improvements in certain advanced tasks (e.g., lens implantation) emerged later. Conclusions This large-scale, frame-by-frame motion tracking study revealed distinct instrument- and task-specific learning curves in cataract surgery, highlighting progressive changes in motion metrics over time. A significant shift at approximately case 300 marked a milestone in the resident's instrument use patterns. These findings underscore the potential of objective, video-based motion tracking analytics to provide data-driven resident feedback, guiding targeted instruction and standardizing cataract surgery training. Financial Disclosure(s) Proprietary or commercial disclosure may be found in the Footnotes and Disclosures at the end of this article.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».