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 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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».