Wang-Koch formula for optimization of intraocular lens power calculation: Evaluation at a Canadian center
Notice bibliographique
Résumé
PURPOSE: To externally validate the Wang-Koch method for optimization of intraocular lens (IOL) formulas. SETTING: TLC Laser Eye Centre, Mississauga, Ontario, Canada. DESIGN: Retrospective case series. METHODS: Consecutive cataract patients with an axial length (AL) of 25.0 mm or longer were recruited. The predicted postoperative spherical equivalents (SEs) calculated from the Holladay 1 formula were compared with the 3-week postoperative SEs to yield prediction errors for Wang-Koch adjusted and unadjusted ALs. A mixed linear model was used to compare the proportion of eyes with a prediction error of ±0.25 diopter (D) or worse, ±0.50 D or worse, and ±1.00 D or worse between groups. The secondary outcomes of mean absolute error and median absolute error were also analyzed. A subgroup analysis was performed based on AL subgroups. RESULTS: Two hundred sixty-two eyes were selected for inclusion with a balanced sex distribution, a mean age of 62.49 years ± 9.13 (SD), and a preoperative AL of 26.49 ± 1.10 mm. Subgroup prediction error comparisons of ±0.50 D or worse favored unadjusted eyes with ALs between 25.0 mm and 26.0 mm (n = 105; P < .001), no difference in eyes with ALs between 26.0 mm and 27.0 mm (n = 91; P = .43), adjusted eyes with ALs between 27.0 mm and 28.0 mm (n = 36; P = .003), and adjusted eyes with ALs of 28.00 mm or longer (n = 30; P < .001). CONCLUSION: The Wang-Koch adjustment should only be applied in eyes with ALs longer than 27.0 mm that have IOL power calculation with the Holladay 1 formula.
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 | 0,001 |
| 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) | 0,000 | 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 ».