mEYEstro software: an automatic tool for standardized refractive surgery outcomes reporting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Standardization for reporting medical outcomes enables clinical study comparisons and has a fundamental role in research reproducibility. In this context, we present mEYEstro, a free novel standalone application for automated standardized refractive surgery graphs. mEYEstro can be used for single and multiple group comparisons in corneal and intraocular refractive surgery patients. In less than 30 s and with minimal user manipulation, mEYEstro automatically creates the required journal standard graphs while simultaneously performing valid statistical analyses. RESULTS: The software produces the following 11 standard graphs; Efficacy: 1. Cumulative uncorrected (UDVA) and corrected visual acuity (CDVA), 2. Difference between UDVA and CDVA, Safety: 3. Change in line of CDVA, Accuracy: 4. Spherical equivalent (SEQ) to intended target, 5. Attempted vs. achieved SEQ, 6. Defocus equivalent (DEQ) accuracy, 7. Refractive astigmatism accuracy, 8. Target-induced astigmatism vs. Surgically-induced astigmatism, 9. Correction index histogram, 10. Angle of error histogram, Stability: 11. SEQ stability over time. Percent proportions, means, standard deviations, Cohen's d effect sizes, and p-values are calculated and displayed on each graph. All graphs can be easily exported as high-resolution TIFF images for figures to use in scientific manuscripts and presentations. CONCLUSIONS: mEYEstro software enables clinicians, surgeons, and researchers, to easily and efficiently analyze refractive surgery outcomes using the standardized methodology required by several peer-reviewed ophthalmology journals.
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.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle