MétaCan
Menu
Retour à la cohorte
Enregistrement W3080788390 · doi:10.15353/cjo.v82i2.1797

Cambrure cornéenne mi-périphérique après Orthokératologie

2020· article· fr· W3080788390 sur OpenAlexaffvenue
Mhamed Ouzzani, Catherine Wright, Luigina Sorbara

Notice bibliographique

RevueCanadian journal of optometry/CJO. Canadian journal of optometry · 2020
Typearticle
Languefr
DomaineMedicine
ThématiqueCorneal surgery and disorders
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésHumanitiesMedicineArt

Résumé

récupéré en direct d'OpenAlex

Objectif Cette étude avait pour but d’examiner rétrospectivement les données de patients qui avaient suivi un traitement d’orthokératologie afin de quantifier l’accentuation de la courbure de la couronne périphérique de la cornée par topographie en mode tangentiel (CT-CP) et la modification de la puissance de réfraction totale (PRT). Méthodes Les cartes ont été examinées et les données de Pentacam ont été recueillies avant le traitement d’orthokératologie et après la dernière visite. Les variables enregistrées comprenaient l’aplatissement central (TC-C), l’eccentricité cornéenne, les courbures de la couronne périphérique en mode tangentiel (CT-CP), la puissance de réfraction totale (PRT) de la cornée, la Rx initiale (sphère) et la courbure cornéenne initiale (kératométrie plate). Les patients ont ensuite été subdivisés en groupes de myopie forte et faible à des fins de comparaison. Tous les participants avaient reçu des lentilles Paragon CRT bien ajustées. Les données ont été analysées pour déterminer les effets des lentilles sur les courbes tangentielles (CT) et la PRT. Résultats Au total, 40 patients (80 yeux), âgés de 13,95 ± 6,80 ans, 34 sujets de sexe masculin et 46 sujets de sexe féminin, ont reçu des lentilles Paragon CRT ajustées à leurs yeux. La sphère moyenne était de -4,23 ± 0,90 D pour le groupe à forte myopie et de -1,89 ± 0,62 D pour le groupe à faible myopie. Les changements de CT et de PRT par rapport au niveau de référence étaient significatifs (p < 0,0001 pour les deux). La différence entre la superficie de CT-C et la superficie maximale de CT-CP était d’environ +/- 4,00 D au méridien horizontal et d’environ +/- 3,00 D au méridien vertical. Le changement de CT-CP par rapport au niveau de référence était d’environ +/- 2,00 D pour les deux méridiens. Il y a eu un changement semblable de la PRT : la distance entre le centre et la portion périphérique était d’environ +/- 2,50 D. Pour les valeurs CT-C, PRT-C, CT-CP et PRT-CP, il n’y avait pas de différence significative entre les deux groupes, dans l’ensemble (p = 0,541 [TC] et p = 0,321 [PRT]). Conclusion Ces résultats devraient fournir de précieux renseignements sur les changements topographiques et réfractaires qui surviennent chez les patients qui ont suivi un traitement d’orthokératologie.

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)0,004
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 seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,036
Tête enseignante GPT0,299
Écart entre enseignants0,263 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian journal of optometry/CJO. Canadian journal of optometryMême sujetCorneal surgery and disordersTravaux en français237 207