Estudi de la predicció del descentrament del tractament ortoqueratològic en funció del mapa topogràfic d'elevació pre-ortoqueratologia
Notice bibliographique
Résumé
Objectiu: Investigar les causes del descentrament de la lent d'ortoqueratologia (orto-k) i l'associació amb els paràmetres topogràfics corneals previs al tractament. Fer la recerca bibliogràfica sobre els articles que han fet estudis concretament sobre les causes del descentrament de la lent. Metodologia: Per realitzar el treball s’ha fet una recerca bibliogràfica en bases de dades, principalment a PubMed, Sciencedirect i Web of Science. S’han buscat els articles sobre les causes del descentrament de la lent d’ortoqueratologia. Només s’han trobat 7 articles, s’ha mirat el procediment de mesurar el grau i direcció del descentrament en cada article. S’ha trobat la relació entre el descentrament i els paràmetres corneals que poden influir en aquest procés. Resultats: A tots els articles van calcular el descentrament de la mateixa manera, comparant el mapa diferencial d'elevació de la còrnia pre i post ortoqueratologia. En tots els estudis, el descentrament més trobat va ser cap al quadrant inferotemporal de la còrnia. Les causes més influents van ser l’alta toricitat corneal, l’asfericitat corneal (Q), l’alta magnitud de l’error refractiu i l’asimetria corneal. Conclusions: El descentrament de la lent és un fenomen comú de l'ortoqueratologia, que passa principalment cap al quadrant inferotemporal de la còrnia i a la majoria dels casos és moderada i acceptable. La magnitud i la direcció d’aquest descentrament de la lent es poden predir pel mapa d'elevació i pels paràmetres topogràfics de la còrnia.
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 | 0,008 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».