Descemet Membrane Endothelial Keratoplasty After Penetrating Keratoplasty: Features for Success
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To evaluate Descemet membrane endothelial keratoplasty (DMEK) in the setting of failed penetrating keratoplasty (PKP) and to identify factors associated with DMEK success and failure after PKP. METHODS: A retrospective chart review of patients who underwent DMEK for failed PKP at Toronto Western Hospital, Canada, between 2014 and 2017 was performed. Demographic characteristics, number of previous transplants, intraoperative and postoperative complications, best spectacle-corrected visual acuity (BSCVA), and endothelial cell density were analyzed. RESULTS: Twenty-eight eyes were included in the study. Rebubbling intervention was performed in 12 eyes (43%) within the first postoperative weeks. Five eyes (18%) developed graft rejection episodes. Twelve eyes (43%) had to be regrafted after DMEK surgery and were deemed failures (because of persistent Descemet membrane detachment, rejection episode that led to secondary failure, and infection). BSCVA before DMEK was significantly worse in the eyes that failed than those that did not [1.97 ± 0.85 and 1.2 ± 0.56 logMAR, respectively, (P = 0.01)]. Rebubbling was required in 75% of eyes in the failure group compared with 19% in the success group (P = 0.002). Six of the 16 eyes (37.5%) in the success group underwent femtosecond laser-enabled DMEK, whereas this technique was not used in any of the eyes in the failure group (P = 0.017). CONCLUSIONS: DMEK is a viable option for cases of failed PKP. DMEK failure after PKP might be associated with lower visual acuity before DMEK surgery, higher number of rebubble interventions, and manual descemetorhexis rather than femtosecond laser-enabled DMEK.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 découle