A Comprehensive Evaluation of 16 Old and New Intraocular Lens Power Calculation Formulas in Pediatric Eyes
Notice bibliographique
Résumé
Purpose: To compare the accuracy of 16 intraocular lens (IOL) power calculation formulas in pediatric cataract eyes. Patients and Methods: The data records of pediatric patients who had been implanted with three IOL models (SA60AT, MA60AC, and enVista-MX60) between 2012 and 2018 were analyzed. The accuracy of 16 IOL power calculation methods was evaluated: Barrett Universal II (BUII), Castrop, EVO 2.0, Haigis, Hill-RBF 3.0, Hoffer Q, Hoffer QST, Holladay 1, Kane, LSF AI, Naeser 2, Pearl-DGS, SRK/T, T2, VRF, and VRF-G. The non-optimized (ULIB/IOLcon) and optimized constants were used for IOL power calculation. The mean prediction error (PE), Performance Index (FPI), and all descriptive statistics were calculated. Results: Ninety-seven eyes of 97 pediatric patients aged 13.2 (IQR 11.2-17.1) were included. No statistically significant difference (HS-test) was observed (p > 0.818) except for the Hoffer Q, and Naeser 2 (P = 0.014). With optimized lens constants, the best FPI indices were obtained by Hoffer Q (0.256) and VRF-G (0.251) formulas, followed by Hill-RBF 3.0 and BUII, with an index of 0.248. The highest FPI indices with non-optimized constants showed SRK/T and T2 formulas (0.246 and 0.245, respectively), followed by VRF-G and Holladay 1, with an index of 0.244. The best median absolute error values (MedAE) were achieved by Hoffer Q (0.50 D), VRF-G (0.53 D), and Hill-RBF 3.0 (0.54 D), all P ≥ 0.074. Conclusion: Our results place the Hoffer Q, VRF-G, Hill-RBF 3.0, and BUII formulas as more accurate predictors of postoperative refraction in pediatric cataract surgery.
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 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».