MétaCan
Menu
Retour à la cohorte
Enregistrement W4391024873 · doi:10.15353/cjo.v48i4.4510

Compression Testing of Three Soft Lens Polymers with a Simulated Fingernail

2021· article· en· W4391024873 sur OpenAlexvenueno aff
John G. Attridge, D. S. Weaver

Notice bibliographique

RevueCanadian journal of optometry/CJO. Canadian journal of optometry · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Lubrication Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLens (geology)Compression (physics)Compressive strengthPolymerMaterials scienceComposite materialOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

An analysis of the mechanical proper­ties of finished lenses utilizing com­pression testing identifies factors contributing to soft lens damage. Sauflon 70, Snoflex 50, and Toyo 515 PolyHEMA lenses, all of plano power and equal thicknesses were com­pressed within the optical zone by loads exerted by a simulated fingernail made of guitar pick material. Six lenses of each polymer were used for each of three tests. It was found that Toyo 515 PolyHEMA had a relatively lower compressive strength than the other two non-HEMA materials; that the Sauflon 70 had the least ability to recover once compressed; and that all three polymers did not appear to recover their previous compression strength after undergoing a dehydra­tion/rehydration cycle. In the case of the Toyo 515 lenses, this last result was confirmed statistically.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,000

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 GPT0,244
Écart entre enseignants0,228 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian journal of optometry/CJO. Canadian journal of optometryMême sujetTribology and Lubrication EngineeringTravaux en français237 207