MétaCan
Menu
Retour à la cohorte
Enregistrement W4328089088 · doi:10.1186/s40942-023-00452-1

Performance, safety and efficiency comparison between 10,000 and 5000 cuts per minute vitrectomy using a 25G cutter: a prospective randomized controlled study

2023· article· en· W4328089088 sur OpenAlexaff
Nicholas Fung, Anthony K. H. Mak, Mårten Brelén, Chi Wai Tsang, Shaheeda Mohamed, Wai‐Ching Lam

Notice bibliographique

RevueInternational Journal of Retina and Vitreous · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal and Macular Surgery
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesAlcon Foundation
Mots-clésVitrectomyMedicineOphthalmology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This study aims to compare the performance of the 25+® UltraVit® 5000 cuts per minute (cpm) vitrectomy probe versus the 25+ ® Ultravit 10,000 cpm® beveled tip, dual drive vitrectomy probe. METHOD: In this prospective randomised controlled clinical trial, 52 eyes of 52 consecutive patients were randomized into either the 10,000 cpm (25 patients) or 5000 cpm vitrectomy group (27 patients). Patients were evaluated preoperatively, intraoperatively, and postoperatively on the first day, and at 1 week, 1 month and 3 months. The main outcome measures were vitrectomy time, and secondary endpoints were time to induction of posterior vitreous detachment, intraoperative complications, and number of instruments used. RESULTS: The vitrectomy time was shorter in the 10,000 cpm group (413.7 s) compared to the 5000 cpm group (463.4 s), although there was no significant difference (p = 0.5999). One patient had an iatrogenic retinal break in the 10,000 cpm group while two patients had an iatrogenic retinal break in the 5000 cpm group. The time for posterior vitreous detachment (PVD) induction and the number of instruments used were not significantly different between the two groups. CONCLUSION: The difference in vitrectomy times between the 10,000 cpm vitrectomy probe and the 5000 cpm cutter were not statistically significant. This may suggest that other factors affect efficiency rather than the limitations of equipment.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil0,550

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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 Opus0,016
Tête enseignante GPT0,311
Écart entre enseignants0,295 · 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'étudeObservationnel
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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Retina and VitreousMême sujetRetinal and Macular SurgeryTravaux en français237 207