MétaCan
Menu
Retour à la cohorte
Enregistrement W4385899526 · doi:10.3389/fmed.2023.1210293

Global impact of COVID-19 on corneal donor tissue harvesting and corneal transplantation

2023· review· en· W4385899526 sur OpenAlexaff
Morteza Mousavi, Nicolás Kahuam-López, Alfonso Iovieno, Sonia N. Yeung

Notice bibliographique

RevueFrontiers in Medicine · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueRetinal and Optic Conditions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCorneal transplantationMedicinePandemicCoronavirus disease 2019 (COVID-19)OphthalmologyTransplantationEtiologyCorneaCorneal TransplantSurgeryDiseasePathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Introduction: The purpose of this review is to consolidate and examine the available literature on the coronavirus disease 2019 pandemic and its effect on corneal transplantation and eye banking. Methods: A primary literature search was conducted using the PubMed (Medline) database with keywords and MeSH terms such as "corneal transplantation," "eye banks," "keratoplasty" and then were combined with COVID-19. Relevant articles through September 2022 were assessed and 25 articles were included in this review. Results: Donor tissue volumes declined globally during lockdown periods due to a lower number of referrals and tighter tissue screening guidelines. Rates of elective surgeries decreased in the lockdown period compared to respective periods in previous years. However, changes in rates of emergency procedures were not uniform across different regions. Moreover, rates of different elective corneal grafts [i.e., penetrating keratoplasty (PK), endothelial keratoplasty (EK), or anterior lamellar keratoplasty (ALK)] were affected differently with the pattern of change being dependent on region-specific factors. Conclusion: Both donor tissue volumes and rates of corneal transplant procedures were affected by lockdown restrictions. The underlying etiology of these changes differed by region. Examining the range of impact across many countries as well as the contributing factors involved will provide guidance for future global pandemics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,070
Tête enseignante GPT0,408
Écart entre enseignants0,338 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetRetinal and Optic ConditionsTravaux en français237 207