手術這個變數
解碼器假設神經元與電極之間有固定關係，但外科醫師是一次一位病人地建立這種關係。手術植入方式本身就是一個具訊號／風險權衡的設計選擇：開顱手術把皮質內陣列直接置於皮質中以取得最豐富的訊號，但手術負擔最高；血管內電極經由血管穿入、無需開顱，但訊號較粗；微創與硬膜外途徑則介於其間。植入位置在不同外科醫師與病人之間相差數毫米，而這些毫米改變了你記錄到哪些神經元，以及解碼器必須如何校正。
安全性監測
裝置一旦進入人體，安全就成為持續的義務。不良事件通報追蹤預期事件（短暫疼痛、輕微感染），以及至關重要的嚴重與非預期事件——需要取出裝置的器材相關感染、顱內出血、硬體失效、非預期的刺激效應。資料安全監測委員會依排程審視這些事件，並可暫停或停止試驗。發生率以暴露量、而非以受試者人數回報，因為風險隨植入時間累積。
\hat{\lambda} \;=\; \frac{k \;\text{events}}{\sum_i t_i \;\;(\text{person-years})}暴露量校正後的發生率；當事件數 k 很少時，應回報精確的卜瓦松信賴區間，而非常態近似。
把不良事件的原始計數，除以病人「暴露於風險的總時間」——而非病人數——就化為一個公平的發生率。植入五年的人比植入一年的人貢獻更多暴露量，所以人年才是誠實的分母。當事件只有寥寥數件時，要用精確的卜瓦松區間，而非常態近似。這是不良事件回報的基礎。
- \hat{\lambda}
- 估計的事件發生率，單位為每人年的事件數。
- k
- 觀察到的事件數。
- t_i
- 第 i 人實際暴露於風險的時間。
- \sum_i t_i
- 以人年計的總暴露量——分母。
在 200 人年中發生 3 起感染，發生率約為每人年 0.015，或約每 100 人年 1.5 起——但只有三起事件，信賴區間會很寬。
居家使用的落差
整個主題中最寬的鴻溝，位於有人監督的實驗場次與獨立居家使用之間。在實驗室裡，工程師會重新校正漂移的解碼器、重設中斷的連線並哄出效能。在家裡，只有一位重度障礙者，或許再加一位家人。設定時間、系統穿戴、由逐日訊號漂移觸發的重新校正，以及每一種失效模式，都必須由非專家處理——否則不論解碼得多好，裝置終將被棄用。照顧者負擔是一等的設計限制，而非事後才想到的附註。
人因工程：為真實使用者設計
法規機關把人因工程與易用性視為一門獨立的安全學科（依循如 IEC 62366 等標準）。相關的使用者不是打造系統的研究生；而是一位可能無法移動、說話或排除故障的人。使用錯誤如同任何其他危害一樣被分析：若導線未插好、跳過一次校正，或照顧者誤讀了狀態燈，會發生什麼？對這個族群而言，一個好用的介面往往就是「每天配戴的裝置」與「留在抽屜裡的裝置」之間的差別。
取出，以及比試驗更長久的義務
裝置終會被取出。取出手術發生於感染、硬體失效、研究結束，或受試者選擇退出之後——它本身帶有手術風險，且對一位已開始依賴該裝置的人而言，往往是真實的失去。這揭露了本領域一項無聲的倫理債務：試驗後義務與持續取得。當研究結束，由誰維護植入物、資助其保養，或讓受試者保留一項已融入其生活的能力？負責任的計畫書會在第一次植入之前就回答這個問題，而非事後。