Impact of Cosmetics on the Physical Dimension and Optical Performance of Silicone Hydrogel Contact Lenses
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the impact of cosmetics on silicone hydrogel (SiHy) contact lens shape, lens power, and optical performance. METHODS: In this in vitro experiment, 7 SiHy materials were coated with 9 marketed brands of cosmetics, including hand creams (HCs) (3), eye makeup removers (MRs) (3), and mascaras (3). Diameter, sagittal depth, and base curve were determined using the Chiltern (Optimec Limited), whereas lens power and optical performance were assessed using the Contest Plus (Rotlex). Six replicates were used for each lens and cosmetic combination. Measurements were repeated after a cleaning cycle using a one-step hydrogen peroxide solution. RESULTS: Makeup removers had the greatest impact on diameter, sagittal depth, and base curve, resulting in changes of up to 0.5, 0.15, and 0.77 mm, respectively. The HCs and mascaras had little impact on these parameters; however, differences were observed between lens types. Optical performance was reduced with all mascaras, and a decrease of greater than 2 units on a 0 to 10 scale (10=uniform power distribution) was seen for 5 lens types exposed to waterproof mascara (P<0.01). Most HCs and MRs had minimal impact on image quality. Lens power did not change with any of the cosmetics (± 0.25 diopter; P>0.05). Lens cleaning resulted in some recovery of the lens parameters, and efficiency varied between cosmetics. CONCLUSION: Some eye MRs and waterproof mascaras changed the shape and optical performance of some SiHy lenses. Further research is needed to understand the clinical implications for SiHy lens wearers using cosmetics.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».