Sutureless Intraskleral Intraocular Lens Fixation Follow up Results
Bibliographic record
Abstract
Amaç: Bu çalışmada, sütürsüz intraskleral göz içi lens fiksasyonu uygulanan olguların takip sonuçları çeşitli yönleriyle irdelenerek tartışılmaktadır. Gereç ve Yöntemler: Bu retrospektif çalışmaya Mart 2017-Şubat 2018 tarihleri arasında sütürsüz intraskleral göz içi lens fiksasyonu uygulanan 20 hastanın 21 gözü dahil edildi. En iyi düzeltilmiş görme keskinliği, korneal astigmatizma, göz içi lens dislokasyonu, intravitreal hemoraji, göz içi basıncı yüksekliği, kistoid makula ödemi, retina dekolmanı ve endoftalmi gibi postoperatif komplikasyonlar açısından olgular değerlendirildi. Bulgular: En iyi düzeltilmiş görme keskinliği tüm gözlerde artmış olup, ortalama en iyi düzeltilmiş görme keskinliği preoperatif dönemde 1,67±0,18 (3,10-0,22) logMAR iken, postoperatif dönemde 0,47±0,08 (1,60- 0,00) logMAR olarak bulundu (p<0,003). Korneal topografi ölçümleri ile preoperatif korneal astigmatizma değeri ortalama 1,38±0,26 D (0,25-2,75) ve postoperatif korneal astigmatizma değeri ortalama 1,53±0,18 D (0,25-3,50) bulundu (p=0,045). Üç (%14) olguda göz içi lens revizyon cerrahisini gerektiren ve bir (%4) olguda vitreus içi hemoraji nedeniyle vitrektomi cerrahisi gerektiren komplikasyon tespit edildi. Üç (%14) olguda göz içi basıncı artışı ve dört (%19) olguda kistoid maküla ödemi tespit edildi. Postoperatif endoftalmi ve retina dekolmanı gözlenmedi. Sonuç: Sütürsüz skleral göz içi lens implantasyonu cerrahisi konvansiyonel yöntemlerle kıyaslandığında daha az invaziv ve sütüre bağlı komplikasyonların görülmediği bir cerrahi yöntemdir.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".