Optimization of femtosecond laser–constructed clear corneal wound sealability for cataract surgery
Notice bibliographique
Résumé
PURPOSE: To compare the sealability of femtosecond laser (FSL)-assisted corneal incisions (CIs) with that of triplanar manual (M)-CIs and to determine FSL wound parameters minimizing leakage. SETTING: Private practice. DESIGN: Phase IV, single-surgeon, retrospective cohort study. METHODS: One eye per patient was included. Two groups defined by the main wound (FSL-CI or M-CI) were compared for leakage, inferred by placement of a suture at the end of surgery. Leakage in FSL-CIs was analyzed as a function of customizable wound parameters: anterior plane depth (APD), posterior plane depth (PPD), anterior side-cut angle (ASCA), and posterior side-cut angle (PSCA). The risk of leakage of FSL-CIs with optimal and nonoptimal parameters was further compared with that of M-CIs. RESULTS: A total of 1100 eyes (757 [68.8%] FSL-CI; 343 [31.2%] M-CI) were included. Wound leakage occurred in 133 FSL-CI (17.6%) and 30 M-CI eyes (8.7%) (P < .001). FSL wound parameters associated with the lowest risk of leakage were 60% APD, 70% PPD, 120 degrees ASCA, and 70 degrees PSCA. FSL-CIs constructed with at least 3 optimal parameters (60% APD, 70% PPD, and 120 degrees ASCA) had a similar risk of leakage to M-CIs (odds ratio [OR], 1.1; 95% CI, 0.5-2.3). FSL-CIs with suboptimal parameters had twice the risk of leakage of M-CIs (OR, 2.0; 95% CI, 1.1-3.8). CONCLUSIONS: Overall, FSL-CIs leaked more than M-CIs. However, FSL-CIs with optimized wound profiles had an equivalent risk of leakage to M-CIs. Wound parameter customization is an asset of FSL technology that allows optimization of FSL-CI sealability.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».