Influence of Posterior Corneal Asphericity On Power Calculation Error After Laser In Situ Keratomileusis or Photorefractive Keratectomy for Myopia
Notice bibliographique
Résumé
OBJECTIVES: To assess the impact of posterior corneal asphericity on postoperative calculation error using the Haigis-L and the Barrett formulas for eyes after laser in situ keratomileusis or photorefractive keratectomy (PRK). METHODS: We assessed the mean absolute error (MAE) of two power calculation formulas, Barrett true-K and Haigis-L formulas, in a retrospective analysis of 34 eyes of 34 patients who underwent cataract surgery. We performed a regression analysis between corneal parameters (anterior and posterior Q values, Kmax, K1, and K2) and the MAE of each formula. RESULTS: In the cohort, 11 eyes were of women and 23 of men. The average age of the study population was 66.5±8.6 years. The mean axial length was 24±4.7 mm, the mean anterior chamber depth was 3.27±0.7 mm, and the mean posterior Q-value was -0.15±0.28. The MAE of Haigis-L and Barrett true-K formulas were 0.72 and 0.68, respectively (P=0.54). The regression analysis showed a statistically significant relationship only between the error in refraction prediction and the posterior Q-value regardless of the formula used. The coefficient of determination was higher for the Barrett true-K formula (r=0.52; R2=0.28; P<0.05), compared with the Haigis-L (r=0.49; R2=0.25; P<0.05). CONCLUSIONS: Posterior corneal surface asphericity influences the refractive error of calculation using both Haigis-L and Barrett true-K formulas for eyes after a myopic PRK or laser-assisted in situ keratomileusis surgery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».