Creating endothelial lenticules with femtoseconde laser: the double layer technique
Notice bibliographique
Résumé
Abstract Purpose Femtosecond laser(FS) enhances reproducibility and accuracy in corneal surgery. However, visual outcomes of Femtoseconde Lamellar Endothelial Keratoplasty (FLEK) are still impaired by lenticule irregularities. We aimed to enhance the smoothness of interface of FLEK lenticules. Methods We proceeded for corneal cuts on experimental human corneas with the 60 and 150 kHz Intralase FS (AMO, USA). Laser settings were optimized to obtain the best interface quality while delivering minimal energy to the corneal stroma. We did each procedure in triplicate with the appropiate settings to test reproducibility. We created posterior lenticules for FLEK with the following FS various cut profiles: a single path profile (SP) performing a 500µm deep full lamellar cut, a double path profile (DP) with an identical lamellar cut performed twice, a double layer profile (DL) performing two successive lamellar cuts at 350µm and then at 150 µm depth. We created 100 µm LASIK free flaps as a control. The stromal interface quality of the so‐obtained interfaces was analyzed by scanning electron microscope (SEM). Results Stromal adherences persisted after both the SP and the DP procedure, creating central irregularities on the endothelial lenticule. The DL profile created the smoothest interfaces with the best reproducibility when FS parameters for lamellar cut were set for diameter (mm), depth (µm), energy (µJ), and spot size/step (µm) respectively on 9.0mm, 350µm, 2.1µJ, 4:4µm and 8.3mm, 150µm, 0.9µJ, 4:4µm. Observed with SEM, EK lenticules created with the DL profile and LASIK flap had similarly smooth interfaces. Conclusion Femtosecond lasers can creat EK lenticules with a quality of stromal interface comparable to refractive surgery.
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 | 0,000 | 0,000 |
| 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) | 0,003 | 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 ».