MétaCan
Menu
Retour à la cohorte
Enregistrement W2313126805 · doi:10.1097/iae.0b013e3182869ed8

Microfiltration of brilliant blue G dye.

2013· article· en· W2313126805 sur OpenAlexaff
Sri Krishna Mukkamala, Susan Whittier, Shiang-Hua Chang

Notice bibliographique

RevuePubMed · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Nanomaterials in Catalysis
Établissements canadiensColumbia College
Organismes subventionnairesnon disponible
Mots-clésMicrofiltrationArtChromatographyChemistryMembrane

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Brilliant blue G (BBG) is a safe and effective dye used to highlight the internal limiting membrane during macular surgery. The authors proposed that the utilization of a 0.22-μm filter intraoperatively can reduce the risk of inoculating an eye with contaminated BBG. METHODS: An in vitro model of contaminated BBG was prepared. Laboratory stock cultures of 7 organisms including, Staphyloccocus epidermidis, Streptococcus pneumoniae, Staphyloccocus aureus, Haemophilus influenza, Klebsiella pneumoniae, Fusarium species, and Candida albicans, were prepared in five 10-fold dilutions and injected into BBG vials. These mixtures were drawn with either a 5-μm filter, 0.22-μm, or without a filter and cultured on appropriate plates and growth conditions. RESULTS: No culture plates that had inoculate drawn through a 0.22-μm filter showed evidence of growth. There was evidence of growth for all organisms when no filter was used. A 5 μm was insufficient to filter Fusarium species. CONCLUSION: Using a 0.22-μm filter in the intraoperative processing of BBG would likely reduce the risk of infectious endophthalmitis resulting from contaminated dye.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,204
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetAdvanced Nanomaterials in CatalysisTravaux en français237 207