Evaluation of a New Technique for Preparation of Endothelial Grafts for Descemet Membrane Endothelial Keratoplasty
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to compare the Muraine technique, a relatively new method for preparing endothelial grafts for Descemet membrane endothelial keratoplasty (DMEK), with the current standard submerged cornea using backgrounds away (SCUBA) peeling technique. METHODS: This study was a prospective ex vivo investigation. In a wet-lab setting, 20 donor corneas were prepared for DMEK using The Muraine technique and 20 donor corneas using the SCUBA technique. In each of the technique groups, 10 corneas were prepared by a corneal surgeon and 10 were prepared by a corneal fellow. Primary outcome measures were the time needed to prepare endothelial grafts and the number of graft tears. RESULTS: In the SCUBA technique, median time to prepare grafts was shorter for both the surgeon (301 ± 85 seconds) and fellow (523 ± 58 seconds) compared with the Muraine technique (surgeon, 359 ± 83 seconds; fellow, 543 ± 44 seconds). However, these findings were not statistically significant (surgeon, P = 0.33; fellow, P = 0.24; pooled, P = 0.46). There was a statistically significant difference between surgeon time and fellow time for each technique (SCUBA technique, P = 0.0005; Muraine technique, P = 0.002). In the Muraine technique, there were 5 graft tears (surgeon = 2, fellow = 3), and no graft tears in the SCUBA technique, which was statistically significant (P = 0.047). CONCLUSIONS: The present study demonstrates that the SCUBA technique may be a more effective technique to prepare endothelial donor grafts for DMEK.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».