Determinants of visual acuity outcomes in eyes with neovascular AMD treated with anti-VEGF agents: an instrumental variable analysis of the AURA study
Notice bibliographique
Résumé
PurposeTo identify the strongest variable(s) linked with the number of ranibizumab injections and outcomes in AURA, and to identify ways to improve outcomes using this association.MethodsAURA was a large observational study that monitored visual acuity over a 2-year period in patients with neovascular age-related macular degeneration (AMD) who received ranibizumab injections. Baseline characteristics, resource use, and outcomes were analyzed using an instrumental variable approach and regression analysis.ResultsData were analyzed from 2227 patients enrolled in AURA. Optical coherence tomography (OCT) and ophthalmoscopy were the most common diagnostic tests used, and this combination was the strongest instrumental variable. Use of OCT and ophthalmoscopy affected the number of injections given and resulted in an increase in visual acuity gains from baseline of 17.6 letters in year 1 and 2.5 letters in year 2. Regression models using the instrumental variable (OCT and ophthalmoscopy combined) showed that ≥5.1 (95% CI: 3.3-11.4) ranibizumab injections were needed to maintain visual acuity from baseline to year 1 and ≥8.3 (95% CI: 5.3-18.8) injections were needed to maintain visual acuity from year 1 to year 2. To gain ≥15 letters, ≥7.9 (95% CI: 5.1-17.5) ranibizumab injections would be needed in year 1 and ≥16.1 (95% CI: 10.3-36.4) injections would be needed over 2 years.ConclusionsThese findings highlight the role that regular monitoring plays in guiding neovascular AMD therapy and they showed that the number of ranibizumab injections needed to maintain visual acuity is higher than that administered in AURA.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».