MétaCan
Menu
Retour à la cohorte
Enregistrement W2808502633 · doi:10.5539/gjhs.v10n7p128

Quality of Life After Cataract Surgery in Jordan

2018· article· en· W2808502633 sur OpenAlexvenueno aff
Khalid Al-Zubi, Maali Hijazeen, Rana M. Nasser

Notice bibliographique

RevueGlobal Journal of Health Science · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Healthcare and Medical Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCataract surgeryQuality of life (healthcare)Thematic analysisMedicineBlindnessVisual acuityOptometryQualitative researchSurgeryNursing

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Cataract surgery is used for the removal of cloudy lens of eyes to reduce chances of blindness or any kind of visual impairments. The surgery is helpful to treat vision impairment, reduce chances of blindness, and bring positive impacts on quality of life among patients. The study aims to demonstrate key improvements in quality of life in terms of visual acuity and general quality of life after cataract surgery in Amman, Jordan.METHODS: The effect of cataract surgery on quality of life is assessed by using qualitative research methodology based on interviews of patients that have undergone cataract surgery. After collection of data, it is organized in forms of themes, and thematic analysis method was used for analysis of these themes.RESULTS: The outcomes obtained from data collected from participants have provided evidences that quality of life of participants has been improved after this surgery. Moreover, this study has also revealed that cataract surgery is effective to improve quality of life of participants by providing psychological, social, and emotional support.CONCLUSION: The study has concluded that cataract surgery in Jordan not only improve quality of life in terms of visual acuity, but also bring improvements in psychological and mental wellness of a person.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,138
Tête enseignante GPT0,517
Écart entre enseignants0,379 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetGlobal Healthcare and Medical TourismTravaux en français237 207