Change in keratometry after myopic laser in situ keratomileusis and photorefractive keratectomy
Notice bibliographique
Résumé
PURPOSE: To compare the change in keratometry (K), spherical equivalent (SE), and visual acuity after myopic laser in situ keratomileusis (LASIK) and photorefractive keratectomy (PRK). SETTING: Academic tertiary care center. DESIGN: Retrospective review. METHODS: The postoperative K, SE, and uncorrected and corrected distance visual acuities were measured 6 months, 9 months, 1 year, 2 years, 3 years, 4 to 5 years, 6 to 7 years, and 8+ years postoperatively. A difference (Δ) for each variable was calculated from its 6-month postoperative baseline. The rates of change were grouped based on the magnitude of myopic correction (0.00 to 2.99 diopters [D]; 3.00 to 5.99 D; 6.00 to 8.99 D), type of surgery (LASIK versus PRK), and age (<34 years; 34 to 45 years; >45 years). RESULTS: Statistically significant differences were found in the rates of change between low and moderate corrections to high corrections for ΔKavg (P=.0472 and P=.0091, respectively) and ΔSE (both P<.0001). Statistically significant differences were found in the rate of change in ΔKavg between all 3 ages groups (P=.0330, P=.0051, and P<.0001) and in ΔSE between ages less than 34 years and 34 to 45 years to ages over 45 years (P=.0158 and P=.0015, respectively). There was no significant difference in the rate of change in ΔKavg and ΔSE between LASIK and PRK (P=.3599 and P=.9403, respectively). CONCLUSION: There was keratometric and refractive regression for myopic LASIK, with the rate of regression depending on treatment magnitude and age. FINANCIAL DISCLOSURE: No author has a financial or proprietary interest in any material or method mentioned.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».