Topography-based screening for previous laser in situ keratomileusis to correct myopia
Notice bibliographique
Résumé
PURPOSE: To demonstrate the feasibility of developing a screening tool based on corneal topography to detect previous myopic laser in situ keratomileusis (LASIK). SETTING: Clinical data from a private clinic analyzed in a university setting. METHODS: Two hundred thirty-three topographies were randomly selected so 1 topography per patient was used: 150 from unoperated corneas and 83 from corneas that had LASIK to correct myopia. The mean surgical correction was -4.40 diopters (D) +/- 2.53 (SD) (range -11.00 to -0.38 D). All topographies were performed using an Orbscan II unit (Bausch & Lomb Surgical). The LASIK procedures were performed using a Technolas 217C excimer laser and a Hansatome microkeratome (Bausch & Lomb Surgical). The algorithms used the mean value of the directional derivative (DT) of the anterior tangential curvature of the cornea in the 2.2 mm radius central disk and the mean value of the anterior elevation (E) with respect to the best-fit sphere in the 0.5 mm radius central disk. Topographies in the testing set (n = 119) were classified as operated if E < 0 (E algorithm) or DT > 0 (DT algorithm) or as unoperated. RESULTS: The E algorithm yielded 0% false positives and 16.7% false negatives and the DT algorithm, 6.5% and 7.1%, respectively. For myopia greater than -1.12 D, the DT algorithm provided a 0% false negative rate. The performance of E and DT algorithms, used in combination, was superior to clinical assessment. CONCLUSION: Criteria based on Orbscan II corneal topography are proposed for the detection of previous myopic LASIK performed with a Technolas 217C excimer laser.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».