Water Exposure is a Common Risk Behavior Among Soft and Gas-Permeable Contact Lens Wearers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To understand soft contact lens (SCL) and gas-permeable (GP) lens wearers' behaviors and knowledge regarding exposure of lenses to water. METHODS: The Contact Lens Risk Survey (CLRS) and health behavior questions were completed online by a convenience sample of 1056 SCL and 85 GP lens wearers aged 20 to 76 years. Participants were asked about exposing their lenses to water and their understanding of risks associated with these behaviors. Chi-square analyses examined relationships between patient behaviors and perceptions. RESULTS: GP lens wearers were more likely than SCL wearers to ever rinse or store lenses in water (rinsing: 91% GP, 31% SCL, P < 0.001; storing: 33% GP, 15% SCL P < 0.001). Among SCL wearers, men were more likely to store (24% vs. 13%, P = 0.003) or rinse (41% vs. 29%, P = 0.012) their lenses in water. Showering while wearing lenses was more common in SCL wearers (86%) than GP lens wearers (67%) (P < 0.0001). Swimming while wearing lenses was reported by 62% of SCL wearers and 48% of GP lens wearers (P = 0.027). Wearers who rinsed (SCL; P < 0.0001, GP; P = 0.11) or stored lenses in water (SCL; P < 0.0001, GP P = 0.007) reported that this behavior had little or no effect on their infection risk, compared with those who did not. Both SCL (P < 0.0001) and GP lens wearers (P < 0.0001) perceived that distilled water was safer than tap water for storing or rinsing lenses. CONCLUSIONS: Despite previously published evidence of Acanthamoeba keratitis' association with water exposure, most SCL, and nearly all GP lens wearers, regularly expose their lenses to water, with many unaware of the risk.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle