MétaCan
Menu
Retour à la cohorte
Enregistrement W1682996925 · doi:10.2147/opth.s90886

A pilot study to determine if intraocular lens choice at the time of cataract surgery has an impact on patient-reported driving habits

2015· article· en· W1682996925 sur OpenAlexaff
George Beiko

Notice bibliographique

RevueClinical ophthalmology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Impairment Studies
Établissements canadiensUniversity of TorontoMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineCataract surgeryIntraocular lensStatistical significanceOphthalmologyDriving simulatorStatistical analysisOptometrySimulationEngineeringInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To determine if intraocular lens (IOL) choice at the time of cataract surgery affects driving habits. MATERIALS AND METHODS: Pseudophakes who were 28-35 months postbilateral cataract surgery with one of two contemporary one-piece hydrophobic acrylic IOLs (SN60WF or ZCB00) were asked to complete the Driving Habits Questionnaire, a validated instrument for determining self-reported driving status, frequency, and difficulty. To determine if there were any differences in driving habits between the two groups, t-tests and χ (2) tests were used. RESULTS: Of 90 respondents, 72 (40 SN60WF and 32 ZCB00) were still active drivers. The SN60WF-implanted subjects were less likely to drive at the same speed or faster than the general flow of traffic, less likely to rate their quality of driving as average/above average, less likely to have traveled beyond their immediate neighborhood, less likely to drive at night, more likely to have moderate-to-severe difficulty driving at night, and more likely to have self-reported road traffic accidents. The differences did not reach statistical significance. CONCLUSION: Changes in patients' driving habits 2-3 years after cataract surgery may be associated with the type of IOL implanted. A larger study, powered to demonstrate statistical significance, is needed to verify the trends identified in this pilot study and discover possible contributing factors.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,289
Tête enseignante GPT0,468
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ophthalmologyMême sujetOphthalmology and Visual Impairment StudiesTravaux en français237 207