Protection oculaire au bloc opératoire : les recommandations ?
Bibliographic record
Abstract
Résumé Les lésions oculaires qui surviennent au décours d’une anesthésie pour chirurgie non ophtalmologique sont des complications rares, dont l’incidence est estimée à 0,023 %. Les atteintes cornéennes (kératite superficielle ou ulcération) sont les plus fréquentes et pourraient être prévenues par des mesures simples et peu contraignantes. La mise en place d’une bande adhésive, parfaitement occlusive, dès perte du réflexe ciliaire, est la première des mesures efficaces. En cas de chirurgies à risque (position ventrale ou latérale, chirurgie cervicofaciale), l’utilisation de solutions lubrifiantes ou de pansements transparents est recommandée. Les pertes de la vision postopératoires sont les complications les plus redoutées par les anesthésistes car elles sont associées à un pronostic fonctionnel catastrophique. Leur prévention passe par une évaluation attentive des facteurs de risque liés au patient et à sa chirurgie. Elle s’attache également à la mise à disposition dans les blocs opératoires de matériels adaptés pour éviter toute compression des globes oculaires. La sensibilisation des équipes par la mise en place de protocole de prévention des lésions oculaires lors d’un acte opératoire est probablement l’un des éléments déterminants, qui doit permettre la diminution de l’incidence des complications oculaires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.014 | 0.016 |
| Insufficient payload (model declined to judge) | 0.004 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".