MétaCan
Menu
Retour à la cohorte
Enregistrement W3123826157 · doi:10.1097/ico.0000000000002639

Surgeon Preferences for Endothelial Keratoplasty in Canada

2021· article· en· W3123826157 sur OpenAlexaffabout
Eli Kisilevsky, Divya Srikumaran, Hall F. Chew

Notice bibliographique

RevueCornea · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCorneal surgery and disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOphthalmologyMedicineOptometry

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To quantify practice patterns and assess attitudes and barriers to performing Descemet membrane endothelial keratoplasty (DMEK) in Canada. METHODS: An anonymous online survey was distributed to all corneal surgeons included in the Canadian Ophthalmological Society's database. RESULTS: Of 70 listed surgeons, 41 responses were collected (58.6% response rate). Most respondents were practicing in university hospitals (43.9%) or private practice (43.9%) and were involved in residency teaching (77.5%). Most respondents performed DMEK surgery (78%), and most surgeons prepared their own DMEK grafts (62%). Surgeons who were in practice for more than 25 years were less likely to perform DMEK (75% vs. 13%, P = 0.009) and performed fewer corneal transplantation in the previous year (mean 28 vs. 44, P = 0.022). Those who were not performing DMEK reported access to preprepared tissue (77.8%), access to wet laboratory courses (50%), and assistance or mentorship (50%) as common facilitators to start performing DMEK surgery. CONCLUSIONS: DMEK is the preferred surgery for endothelial disease among Canadian corneal surgeons. Eye banks play a key role in increased adoption by ensuring an adequate supply of tissue and prestripping tissue for surgeons new to DMEK to be confident in performing it. Ensuring adequate supply of donor tissue and supplementary surgeon training can ensure that DMEK surgery is widely available in Canada.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,024
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,024
Tête enseignante GPT0,237
Écart entre enseignants0,213 · 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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCorneaMême sujetCorneal surgery and disordersTravaux en français237 207