Changing perspective of reasons for not performing laser‐assisted in situ keratomileusis among candidates in a university eye clinic
Notice bibliographique
Résumé
BACKGROUND: The aim was to retrospectively analyse the reasons for not performing laser-assisted in situ keratomileusis (LASIK) surgery among refractive surgery candidates at a university eye clinic. METHODS: Case records of patients who presented to a university eye clinic between June 2005 and June 2010 for consideration for LASIK surgery were examined. Cases that did not undergo LASIK were selected for analysis. Reasons for not performing surgery in these cases were analysed. RESULTS: In total, 552 patients requested LASIK between July 2005 and June 2010 and 377 (68.3 per cent) of them received refractive surgery. Among 175 (31.7 per cent) patients who did not get LASIK, 62 (35.4 per cent) were male and 113 (64.6 per cent) were female, with a mean age at presentation of 36.4 ± 9.3 years (range: 19 to 78 years). The most common reasons for not offering LASIK were low corneal thickness (28.6 per cent), high myopia (15.4 per cent), large pupil (8.0 per cent) and keratoconus (7.4 per cent). Overall, 39 patients (22.3 per cent) changed their mind after their initial consultations with surgeons. The prevalence of rejection of LASIK decreased from 44.1 per cent between July 2005 and June 2006 to 3.5 per cent between July 2009 and June 2010. CONCLUSIONS: Reasons for not performing refractive surgery are quite diverse. Inadequate corneal thickness and change of mind after initial consultation were the most common reasons in the present study. There was a marked change in magnitude and trend of reasons for not performing LASIK over the study period. Further studies from settings other than university hospitals would be beneficial to compare the trend in patient selection.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».