Assessment of nerve fiber layer thickness before and after laser in situ keratomileusis using scanning laser polarimetry with variable corneal compensation
Notice bibliographique
Résumé
PURPOSE: To determine the effect of laser in situ keratomileusis (LASIK) on retinal nerve fiber layer (RNFL) thickness measurements obtained by scanning laser polarimetry with variable corneal compensation (SLP-VCC). SETTING: Gimbel Eye Centre, Calgary, Alberta. METHODS: Retinal nerve fiber layer thickness measurements were performed in both eyes of 25 consecutive healthy patients the day of LASIK surgery and 1 month after by trained examiners using the GDx-VCC nerve fiber analyzer. Thickness measurements and all other parameters provided by the software of the machine before and after LASIK were analyzed using the paired Student t test. RESULTS: Mean age of the patients was 39 years +/- 9.6 (SD) (range 24 to 57 years). The mean preoperative spherical equivalent was -4.15 +/- 1.76 diopters (D) (range -1.0 to -7.50 D) and the mean postoperative spherical equivalent, 0.12 +/- 0.39 D (range -0.75 to +1.00 D). Mean ablation depth was 62 +/- 23 mum. No statistically significant difference was found in SLP parameters after LASIK (P<.05). No clinically significant difference in RNFL thickness measurements was noted in any eye. CONCLUSION: These data suggest that SLP-VCC mean thickness measurements are not influenced by LASIK-induced alterations in corneal architecture. Measurements obtained with SLP-VCC before surgery may be used for future comparisons.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».