MétaCan
Menu
Retour à la cohorte
Enregistrement W2039634217 · doi:10.1016/j.jcrs.2013.06.011

Tri-soft shell technique

2013· article· en· W2039634217 sur OpenAlexaff
Steve A. Arshinoff, Richard S. Norman

Notice bibliographique

RevueJournal of Cataract & Refractive Surgery · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Lubrication Engineering
Établissements canadiensUniversity of TorontoHumber River Regional Hospital
Organismes subventionnairesnon disponible
Mots-clésShell (structure)Materials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Soft-shell techniques exist for lower viscosity dispersive with higher viscosity cohesive ophthalmic viscosurgical devices (OVDs) (soft-shell technique [SST]), viscoadaptive OVDs with balanced salt solution (ultimate soft-shell technique), intraoperative floppy-iris syndrome (soft-shell bridge), and many specific modifications for disinserted zonular fibers, frayed iris strands, Fuchs endothelial dystrophy, small holes in the posterior capsule with protruding vitreous, capsular dye use, and others. Soft-shell techniques exist because it is rheologically impossible to control the surgical environment with a single OVD as well as with an ordered combination of rheologically different OVDs. Surgeons frequently confuse these techniques because of their multitude. This paper unifies all SSTs into a single improved tri-soft shell technique (TSST), from which basic specific applications to unusual circumstances are simple and intuitive. As shown with previous SSTs, the TSST allows surgeons to perform complex tasks with greater surgical facility and to protect endothelial cells better than with single OVDs. Financial Disclosure Dr. Arshinoff has acted as a paid consultant to many global ophthalmic viscosurgical device manufacturers, including all of those whose products are referred to in this article. Neither 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,197
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cataract & Refractive SurgeryMême sujetTribology and Lubrication EngineeringTravaux en français237 207