Zig Zag versus Top Hat configuration in IntraLase-enabled penetrating keratoplasty
Notice bibliographique
Résumé
AIM: To compare the outcomes with IntraLase-enabled keratoplasty using (IEK) Top Hat (TH) versus Zig Zag (ZZ) configuration. METHODS: Retrospective comparative series of 24 eyes that underwent TH and 10 eyes that underwent ZZ IEK. RESULTS: There were no significant differences in LogMar Best-spectacle corrected visual acuity (TH- IEK=0.3; ZZ-IEK=0.18, p=0.18), spherical equivalent (TH-IEK=-3.55±3.7 dioptres (D); ZZ-IEK=-2.69±4.85 D, p=0.60), manifest cylinder (TH- IEK=3.79±2.43 D; ZZ- IEK=4.61±3.29 D, p=0.45), topographic astigmatism (TH-IEK=3.67±2.34 D; ZZ-IEK=4.26±1.1 D, p=0.63), total higher-order aberrations (TH- IEK=8.26±3.53; ZZ-IEK=8.1±4.71, P=0.92), endothelial cell density change from baseline (TH- IEK= -41.55%±15.86; ZZ-IEK=-25.45%±30.66, p=0.22) or time to suture removal in months (TH- IEK=7.48±4.07; ZZ- IEK=6.93±2.71, p=0.75). There was no difference in requirements for astigmatic keratectomy (TH-IEK=54.2%±13; ZZ-IEK=50%±5, OR=1.18) or complications (TH-IEK=25%±6; ZZ-IEK=30%±3, OR=0.78). CONCLUSIONS: TH-IEK and ZZ-IEK have comparable visual and refractive outcomes, wound healing and endothelial cell counts at 1-year.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,004 | 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 ».