Eyedrop Instillation Techniques, Difficulties, and Currently Available Solutions: A Literature Review
Notice bibliographique
Résumé
Purpose: To review current eyedrop instillation techniques, common difficulties faced by patients instilling eyedrops, available eyedrop assistive devices, and patient education regarding eyedrop instillation. Methods: PubMed, Embase, and Google Scholar were searched from conception until June 2022 for articles on eyedrop instillation difficulties, techniques, tools, and patient education. Results: Instillation involves pulling down the lower eyelids and placing drops on the corneal surface or conjunctival fornix, followed by closing of the eyelids for about 1 min. Examples of techniques include eyelid closure and nasolacrimal obstruction techniques. Patients encounter many difficulties when administering eyedrops, including but not limited to poor visibility, squeezing the dropper bottle, aiming the bottle, and accidentally blinking. However, devices are available that assist with aim and dropper compression-force reduction in eyedrop instillation. These can be particularly useful in patient demographics with diminished manual dexterity or the ability to generate force from their fingers. Furthermore, despite patient education in eyedrop instillation not being a common practice, it has been found that adequate patient education can lead to significant improvement in eyedrop instillation technique. Conclusions: While many factors are associated with poor eyedrop instillation technique, there are many solutions available including assistive devices and proper instillation education.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».