The Current Burden and Future Solutions for Preoperative Cataract-Refractive Evaluation Diagnostic Devices: A Modified Delphi Study
Notice bibliographique
Résumé
Bonnie An Henderson,1 Jaime Aramberri,2 Robin Vann,3 Adi Abulafia,4 Margaret Ainslie-Garcia,5 John Berdahl,6 Nicole Ferko,5 Kjell Gunnar Gundersen,7 So Goto,8,9 Preeya Gupta,10,11 Samuel Multack,12– 14 Elizabeth Persaud,5 Duna Raoof,15 Giacomo Savini,16 H John Shammas,17 Li Wang,18 Wendy Zhi Wang5 1Department of Ophthalmology, Tufts University School of Medicine, Boston, MA, USA; 2Ophthalmology Clinic Miranza Begitek, San Sebastian, Spain; 3Department of Ophthalmology, Duke University School of Medicine, Durham, NC, USA; 4Department of Ophthalmology, Shaare Zedek Medical Center, Hadassah Faculty of Medicine, the Hebrew University, Jerusalem, Israel; 5EVERSANA, Burlington, ON, Canada; 6Vance Thompson Vision, Sioux Falls, SD, USA; 7IFocus Øyeklinikk AS, Haugesund, Norway; 8Herbert Wertheim School Optometry and Vision Science, University of California, Berkeley, CA, USA; 9Department of Ophthalmology, National Hospital Organization, Tokyo Medical Center, Meguro-ku, Tokyo, Japan; 10Triangle Eye Consultants, Raleigh, NC, USA; 11Department of Ophthalmology, Tulane University, New Orleans, LA, USA; 12Laser and Cataract Institute, Frankfort, IL, USA; 13Advocate South Suburban Hospital, Hazel Crest, IL, USA; 14Advocate Trinity Hospital, Chicago, IL, USA; 15NVISION Eye Center, Newport Beach, CA, USA; 16IRCCS - G.B. Bietti Foundation, Rome, Italy; 17Department of Ophthalmology, University of Southern California, Los Angeles, CA, USA; 18Cullen Eye Institute, Department of Ophthalmology, Baylor College of Medicine, Houston, TX, USACorrespondence: Bonnie An Henderson, Tufts University School of Medicine, Boston, MA, USA, Tel +1 617 957 9279, Email bonnieanhenderson@gmail.comPurpose: To obtain consensus on the key areas of burden associated with existing devices and to understand the requirements for a comprehensive next-generation diagnostic device to be able to solve current challenges and provide more accurate prediction of intraocular lens (IOL) power and presbyopia correction IOL success.Patients and Methods: Thirteen expert refractive cataract surgeons including three steering committee (SC) members constituted the voting panel. Three rounds of voting included a Round 1 structured electronic questionnaire, Round 2 virtual face-to-face meeting, and Round 3 electronic questionnaire to obtain consensus on topics related to current limitations and future solutions for preoperative cataract-refractive diagnostic devices.Results: Forty statements reached consensus including current limitations (n = 17) and potential solutions (n = 23) associated with preoperative diagnostic devices. Consistent with existing evidence, the panel reported unmet needs in measurement accuracy and validation, IOL power prediction, workflow, training, and surgical planning. A device that facilitates more accurate corneal measurement, effective IOL power prediction formulas for atypical eyes, simplified staff training, and improved decision-making process for surgeons regarding IOL selection is expected to help alleviate current burdens.Conclusion: Using a modified Delphi process, consensus was achieved on key unmet needs of existing preoperative diagnostic devices and requirements for a comprehensive next-generation device to provide better objective and subjective outcomes for surgeons, technicians, and patients.Keywords: next-generation diagnostic device, measurement accuracy and validation, IOL power prediction, surgical planning, 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 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 | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».