Laser in situ keratomileusis buttonhole: Classification and management algorithm
Notice bibliographique
Résumé
PURPOSE: To report the classification, management, and visual outcomes after laser in situ keratomileusis (LASIK) flap buttonhole caused by a microkeratome cut. SETTING: Private practice, Boston, Massachusetts, USA. METHODS: This retrospective observational case series comprised 15 patients with an intraoperative LASIK flap buttonhole or near buttonhole. In all cases, the flap was left in place or repositioned without excimer laser treatment. Buttonholes were classified by stage, and a treatment algorithm based on the stage was devised to determine the timing and type of intervention. The uncorrected visual acuity (UCVA), best spectacle-corrected visual acuity (BSCVA), and complications associated with the laser vision correction surgery were reported. RESULTS: Postoperative follow-up ranged from 1 week to 23 months. All 9 patients who were retreated had a postoperative UCVA of 20/25 or better. No retreated patient lost BSCVA. Before retreatment, the median UCVA was 20/80 (range 20/40(-1) to counting fingers), the median BSCVA was 20/20(-2) (range 20/15(-1) to 20/70), and the spherical equivalent (SE) refractive errors ranged from -1.00 to -6.62 diopters (D). After retreatment, the median UCVA was 20/20(-2) (range 20/15(-1) to 20/25(-1)), the median BSCVA was 20/20 (range 20/15 to 20/20(-3)), and the SE refractive errors ranged from +0.50 to -0.75 D. Complications after laser correction treatment included overcorrection in 3 patients and corneal haze in 2 patients. CONCLUSIONS: Classification of buttonholes was helpful in guiding treatment. Good UCVA and BSCVA were achieved by following a simple treatment algorithm based on surface ablation.
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 | 0,000 |
| 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 ».