综述：机器人辅助子宫切除术能力评估指标的系统评价

这篇系统评价聚焦机器人辅助子宫切除术（RALH）培训中能力评估指标的标准化需求，通过PRISMA指南筛选6篇文献，揭示当前模拟器指标（如da Vinci平台参数）与术中评估工具（如GEARS、RHAS）的关联性不足，强调需开发基于专家共识（如Delphi法）的精细化评估体系以构建结构化课程（IMRA）。

　　

Abstract

随着机器人辅助手术在妇科领域的快速普及，建立标准化的机器人子宫切除术培训课程成为迫切需求。本研究基于Kern框架，通过系统评价分析OVID MEDLINE和EMBASE数据库的531篇文献（最终纳入6篇），发现当前评估指标存在显著异质性：模拟器参数（如器械碰撞频率、操作时间）与术中评分（如GEARS量表中的双器械协调性）相关性较弱，仅两项研究证实指标的预测效度。专家共识法（如改良Delphi法）被用于开发RHAS等专用评估工具，但缺乏统一标准。

Introduction

机器人手术凭借高分辨率视野和人体工程学优势，显著缩短患者住院时间，但培训面临病例暴露不足、成本高昂等挑战。传统评估工具如全球机器人技能评估量表（GEARS）虽通过内容效度验证，但其非特异性评分难以反映子宫切除术关键步骤（如阴道穹窿闭合）。IMRA团队提出基于六步法的课程开发路径，强调需结合模拟器基准测试（如da Vinci平台的^?
缝合海绵模块）与术中结构化反馈。

Methods

文献检索采用布尔运算符组合关键词（"hysterectomy AND robot-assisted AND metric"），排除非英文文献及会议摘要。纳入标准要求研究明确描述指标验证方法（内容效度、结构效度、预测效度）。数据提取涵盖参与者特征（如专家vs住院医师）、模拟器参数（经济性运动指数）及临床指标（术中出血量）。

Results

指标开发：Frederick等通过Delphi法确立26项RALH特异性指标（如子宫动脉结扎精度），而Berges团队发现高级别医师在虚拟现实模拟中表现反而不如新手（p>0.05）。效度验证：RHAS量表能区分初学者与专家（p<0.01），但GEARS的深度感知维度无鉴别力。模拟器指标中，主操作臂活动范围与术中效率呈弱相关（r=0.32）。

Discussion

当前培训体系存在三大缺口：

1. 评估工具特异性不足：非针对性指标如OSATS无法捕捉机器人手术三维空间操作特性；
2. 模拟与现实脱节：能量分离模拟练习得分与临床结局无显著关联；
3. 验证方法局限：仅19%研究采用交叉效度验证（如对比体外模型与活体手术数据）。

未来方向应聚焦：

• 开发基于人工智能的实时反馈系统（如器械力度传感器数据分析）
• 整合多平台评估（ hydrogel模型+VR模拟）
• 建立跨国专家共识数据库

Conclusion

机器人子宫切除术培训亟需突破"数量驱动"模式，转向以RHAS为代表的程序化评估体系。IMRA提出的模块化课程设计，结合Delphi法衍生的关键步骤指标（如阴道残端缝合角度），或将成为下一代标准化培训的蓝本。