MétaCan
Menu
Retour à la cohorte
Enregistrement W4213301883 · doi:10.1038/s41598-022-06696-5

A laboratory evaluation of nozzle tip damage in four generations of intraocular lens injector systems using a self-developed damage scale

2022· article· en· W4213301883 sur OpenAlexaff
Hui Fang, Lu Zhang, Sonja Schickhardt, P. Merz, Weijia Yan, M. Leroux, Gerd U. Auffarth

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueIntraocular Surgery and Lenses
Établissements canadiensUniversité Laval
Organismes subventionnairesUniversitätsklinikum Heidelberg
Mots-clésInjectorNozzleMaterials scienceMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

During intraocular lens (IOL) implantation it is not uncommon for the injector's nozzle-tip to get damaged. However, the damage has not been systematically described or evaluated using an objective scale. In this study we developed our own system-the Heidelberg Score for IOL Injector Damage ("HeiScore"), which was used to grade 60 injectors from four generations of injector models (Monarch III D, AcrySert C, UltraSert, AutonoMe) made by the same manufacturer. (Alcon Laboratories Inc.) HeiScore has six grades of nozzle-tip damage: no damage (which was graded 0); slight scratches (1), deep scratches (2), extensions (3), cracks (4) and bursts (graded number 5). The score for each injector model was the sum of all grades (total number), and we could compare the four injector models. The injectors showed varying damage profiles, from "no damage" to "crack". A tendency of a lower damage score in the newer generations of IOL injectors was noted. However, a statistically significant difference was observed only between Monarch III D and AutonoMe. The "Heidelberg Score for IOL Injector Damage" could efficiently and effectively evaluate the damage to IOL injector systems, which might help manufacturers optimize the positioning of the IOL in the injector during pre-loading.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,514

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,296
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetIntraocular Surgery and LensesTravaux en français237 207