Evaluation of Masked Associated Dry Eyes using AS-OCT Tear Meniscus Parameters and OSDI Scores
Notice bibliographique
Résumé
Purpose : The purpose of this study is to determine the effect of prolonged use of a surgical mask on tear meniscus parameters using anterior segment ocular coherence tomography (AS-OCT) and Ocular Surface Disease Index (OSDI) score amongst healthcare workers during the COVID-19 pandemic. Methods : Fifty healthcare workers from St. Joseph's Healthcare Hamilton in the Hamilton Regional Eye Institute Department, Hamilton, Ontario participated in the study. All participants completed OSDI Questionnaire and provided demographics data. Participants had an average of three AS-OCT imaging of the tear meniscus (TM) at baseline and 8hrs later, after their regular shift. During this 8hr period, participants were required to wear medical masks continuously throughout their shift. Data was analyzed using SPSS V27. Results : Participants' (n = 50) mean age was 38.9 ± 12.9 years;22.0% were male and 78.0% were female. Of these participants, 62.0% wear spectacles and 28.0% wear contact lens. 54.4% of participants (n = 100 eyes) had normal OSDI scores of <12, 34.0% had mild OSDI scores, 4.0% had moderate OSDI scores, 8.0% had severe OSDI scores. Baseline mean ASOCT TM height was 385.4±172.6 μm and mean TM area was 46,496.7±41,875.5 μm ;after 8 hours shift the parameters reduced to mean TM height of 296.6±99.9 μm and mean TM area of 28,187.8±18,761.3 μm . With the resultant mean TM height and area difference of 88.8±142.8 μm (p<0.001) and 18,308.9±35,901.9 μm (p<0.001), respectively. Participants had a mean reduction in tear meniscus parameters in left eye (TM height: 90.1±149.3 μm and TM area:18,290.9±39,538.78 μm ) and right eye (TM height: 87.5±137.5 μm and TM area: 18,326.9±32,262.7 μm ), regardless of OSDI scores and significance between the left and right eye (Area Difference p=0.996;TMH Difference p=0.927). Conclusions : This study shows that prolonged use of medical mask especially during COVID-19 may reduce tear meniscus parameters. There was a 23.0% reduction in tear meniscus height and 39.4% reduction in tear meniscus area compared to the initial parameters, regardless of the presence of OSDI scores.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».