MétaCan
Menu
Retour à la cohorte
Enregistrement W4396217543 · doi:10.3390/jcm13092619

The Impact of Vaping on the Ocular Surface: A Systematic Review of the Literature

2024· review· en· W4396217543 sur OpenAlexaff
Nilanga Aki Bandara, Barbara Burgos‐Blasco, Xuan Randy Zhou, Amar Khaira, Alfonso Iovieno, Joanne A. Matsubara, Sonia N. Yeung

Notice bibliographique

RevueJournal of Clinical Medicine · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueOcular Surface and Contact Lens
Établissements canadiensUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineMEDLINESystematic reviewWeb of sciencePopularityData extractionPathologyMeta-analysis

Résumé

récupéré en direct d'OpenAlex

Background: The use of electronic cigarettes has become increasingly popular in recent years. However, the impact that electronic cigarettes have on the ocular surface is not well known. Therefore, the aim of this review is to explore the current literature on the acute and chronic sequelae of electronic cigarettes on the ocular surface. Methods: A systematic review of the literature was undertaken by keyword searching on the Embase, Medline, and Web of Science databases. Articles identified through the search underwent title/abstract screening, full-text screening, and data extraction. Results: A total of 18 studies were included in this review. Non-intended ocular surface exposures and intended exposures on the ocular surface were found to be associated with the use of electronic cigarettes. Conclusions: The impact of vaping on the ocular surface is not benign. There are significant risks that vaping can pose to the ocular surface. Hence, it is necessary to develop appropriate risk communication tools given the increasing popularity of this activity. Additionally, future long-term studies are needed to better understand the long-term impacts of vaping on the ocular surface given the lack of current data.

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)0,004
score de la tête « metaresearch » (Gemma)0,018
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: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0080,009
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
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 Opus0,102
Tête enseignante GPT0,496
Écart entre enseignants0,394 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetOcular Surface and Contact LensTravaux en français237 207