Probability Model of the Inaccuracy of Residual Stromal Thickness Prediction to Reduce the Risk of Ectasia After LASIK Part II: Quantifying Population Risk
Notice bibliographique
Résumé
PURPOSE: To derive a statistical model to estimate the rate of excessive keratectomy depth below a selected cut-off residual stromal thickness (RST) given a minimum target RST and specific Clinical Protocol; apply the model to estimate the RST below which ectasia appears likely to occur and back-calculate the safe minimum target RST that should be used given a specific Clinical Protocol. METHODS: Myopia and corneal thickness distribution were modeled for a population of 5212 eyes that underwent LASIK. The probability distribution of predicted target RST error (Part I) was used to calculate the rate of excessive keratectomy depth for this series. All treatments were performed using the same Clinical Protocol; one surgeon, Moria LSK-One microkeratome, NIDEK EC-5000 excimer laser, Orbscan pachymetry, and a minimum target RST of 250 microm--the Vancouver Clinical Protocol. The model estimated the RST below which ectasia appears likely to occur and back-calculated the safe minimum target RST. These values were recalculated for a series of microkeratomes using published flap thickness statistics as well as for the Clinical Protocol of one of the authors-the London Clinical Protocol. RESULTS: In the series of 5212 eyes, 6 (0.12%) cases of ectasia occurred. The model predicted an RST of 191 microm for ectasia to occur and that a minimum target RST of 329 microm would have reduced the -rate of ectasia to 1: 1,000,000 for the Vancouver Clinical Protocol. The model predicted that the choice of microkeratome varied the rate of ectasia between 0.01 and 11,623 eyes per million and the safe minimum target RST between 220 and 361 microm. The model predicted the rate of ectasia would have been 0.000003: 1,000,000 had the London Clinical Protocol been used for the Vancouver case series. CONCLUSIONS: There appears to be no universally safe minimum target RST to assess suitability for LASIK largely due to the disparity in accuracy and reproducibility of microkeratome flap thickness. This model may be used as a tool to evaluate the risk of ectasia due to excessive keratectomy depth and help determine the minimum target RST given a particular Clinical Protocol.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».