Evaluation of a New Technique for Preparation of Endothelial Grafts for Descemet Membrane Endothelial Keratoplasty
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,002 | 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 | 0,000 |
| 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 découle