Surgeon Preference for Keratoplasty Techniques and Barriers to Performing Deep Anterior Lamellar Keratoplasty
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To identify barriers and facilitators to adopting deep anterior lamellar keratoplasty (DALK) for nonendothelial corneal pathology. METHODS: An anonymous survey consisting of 22 multiple choice and free text questions was designed to gather information on demographic factors of surgeons and DALK surgical practices. The survey was emailed to members of the kera-net, a global online corneal surgeon/surgery platform. RESULTS: A total of 100 surgeons completed the survey, most of whom practice in the United States (73%). Most surgeons (89%) reported performing DALK. Surgeons who did not learn DALK during fellowship (34%) tended to be in practice for higher numbers of years (P < 0.001). Surgeons in private practice are more likely to perform DALK versus those in other settings (92.7% vs. 80.8%, P = 0.087). Surgeons performing more corneal surgeries (at least 100 per year) are more likely to perform DALK than those who perform fewer than 100 per year (52% vs. 14%, P = 0.01). Surgeons who perform Descemet membrane endothelial keratoplasty are more likely to perform DALK than those who do not (81.7% vs. 18.3%, P = 0.014). There was also a positive correlation between PK and DALK surgical volumes (Spearman rank correlation coefficient = 0.57, P < 0.001). The main reasons for surgeon preference for DALK over PK were a desire to preserve the endothelium, intraoperative safety, and decreased complications. Longer surgical time and low patient volume were cited as barriers to adoption of DALK. CONCLUSIONS: Alterations in DALK technique that reduce surgical time and providing more learning opportunities for DALK might improve adoption.
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.
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 | 0,000 | 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 découle