Postoperative changes in the retinal thickness and volume after vitrectomy for epiretinal membrane and internal limiting membrane peeling
Notice bibliographique
Résumé
The aim of the study was to investigate the thickness and volume profiles of each retinal layer in postoperative patients with epiretinal membranes.Twenty-four patients who underwent pars plana vitrectomy with internal limiting membrane (ILM) peeling for epiretinal membrane were included. The best corrected visual acuity, thickness, and volume were recorded from the medical records through a retrospective review. Spectral domain optical coherence tomography was used to measure the average thickness and volume of each retinal layer before surgery and 6 months postoperatively.All 24 patients were monitored for 60 months after surgery. In all Early Treatment Diabetic Retinopathy Study (ETDRS) subfields, the thickness and volume of the retinal nerve fiber layer and the inner retinal layer decreased significantly. In contrast, the thickness and volume of the ganglion cell layer, inner nuclear layer, inner plexiform layer, and outer plexiform layer only decreased in some ETDRS subfields. Finally, there was no significant change in the thickness or volume of the outer nuclear layer (ONL), retinal pigment epithelium (RPE), and photoreceptor layers in all ETDRS subfields.The thickness and volume of the inner retina layer decreased significantly after pars plana vitrectomy using ILM peeling. However, there was no significant change in the thickness and volume of the outer retinal layers (ONL, RPE, and photoreceptor) after surgery.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».