On the art and science of rigid contact lens fitting
Notice bibliographique
Résumé
Clinical relevance Examination of the literature can help answer the age-old question of the extent to which rigid contact lenses can be considered an art versus a science.Background This work aims to assemble rigid contact lens-related publication metrics to identify the most impactful papers, authors, institutions, countries and journals.Methods A search was undertaken of the Scopus database to identify rigid contact lens-related articles published since this lens type was first described in 1949. The 25 most highly cited papers were determined from the total list of 1,823 papers found. Rank-order lists by count were assembled for the ‘top 25ʹ in each of four categories: authors, institutions, countries and journals. A subject-specific rigid contact lens h-index (hRL-index) was derived for each author, institution, country and journal to serve as a measure of impact in the field. A short list of the top constituents in each category were ranked by hRL-index and tabulated.Results The most highly cited paper (467 citations) is entitled ‘Risk factors and prognosis for corneal ectasia after LASIK’, by Randleman et al. Karla Zadnik (hRL = 20; 32 papers) and Richard Hill (h = 10; 50 papers) are most impactful and prolific authors, respectively. The Ohio State University (hRL = 24; 96 papers) is the most impactful and prolific institution and the United States (hRL = 51; 680 papers) is the most impactful and prolific country. Optometry and Vision Science (hRL = 30; 233 papers) is the most impactful journal.Conclusions Impactful authors, institutions, countries and journals in the field of rigid lenses are identified. Although there is perhaps an artistic element to rigid contact lens fitting, the solid literature base underpinning the field of rigid contact lenses revealed here belies the notion that rigid lenses fitting is more of an art than a science.
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 | 0,000 | 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 | 0,001 |
| 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 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 ».