Central Corneal Thickness in Children and Adolescents with Pediatric Glaucoma and Eye Disorders at Risk of Developing Glaucoma
Notice bibliographique
Résumé
BACKGROUND: To investigate central corneal thickness (CCT) in children with glaucoma and at risk for glaucoma. METHODS: The study included 139 children with glaucoma: 66 at risk for glaucoma (ie, aphakia, aniridia, or uveitis) and 66 normal children. CCT was measured by ultrasound pachymetry and intraocular pressure (IOP) by applanation. Analysis of variance was used to compare CCT between groups. Correlation analysis assessed associations between CCT and ocular factors including spherical equivalent, cup-to-disc ratio, glaucoma medications, and number of intraocular surgeries. RESULTS: CCT was significantly higher for 141 eyes with glaucoma (mean: 0.598 mm, P < .001) and 76 eyes at risk for glaucoma (mean: 0.604 mm, P = .001) than for 66 normal eyes (mean: 0.558 mm). No significant difference was observed between at-risk (P = .989) and glaucoma eyes. Eyes with aphakia (0.653 mm) and aniridia (0.639 mm) had the thickest CCT values. Thinnest CCT was found in anterior segment dysgenesis and uveitis (mean: 0.541 mm). A significant positive correlation between CCT and spherical equivalent was found for glaucoma (r = 0.413; P < .001) and at-risk (r = 0.412; P < .0003) eyes, and between CCT and intraocular surgery for at-risk eyes (P = .0066). A significant negative correlation was found between CCT and cup-to-disc ratio for glaucoma eyes (r = -0.223; P = .01). CONCLUSION: This is the largest series of CCT in pediatric glaucoma and related disorders. The data suggest caution in application of standard formulas for IOP-to-CCT correction when evaluating children with glaucoma because their mean CCT values extend far beyond values reported for normal eyes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».