New trends in corneal transplants at the University of Toronto
Notice bibliographique
Résumé
OBJECTIVE: To assess trends in surgical procedures and indications for all corneal transplants performed at the University of Toronto. DESIGN: Retrospective cross-sectional study. PARTICIPANTS: One thousand one hundred and four consecutive corneal transplants performed at the Kensington Eye Institute (KEI). METHODS: Demographic, clinical, and pathological data retrieved from the Ophthalmic Pathology Laboratory on all corneal transplants performed at the KEI from January 2014 to December 2016. RESULTS: Over 3 years, partial-thickness lamellar keratoplasties were performed in 880 cases (80%) while full-thickness penetrating keratoplasties (PKP) accounted for 224 cases (20%). Leading causes of corneal transplant were Fuchs' dystrophy (42%), graft failure (17%), bullous keratopathy (15%), and keratoconus (15%). Graft failure (40%) and keratoconus (31%) were the leading causes for PKP. Descemet's membrane endothelial keratoplasty (DMEK) accounted for 37% of cases, Descemet's stripping automated endothelial keratoplasty (DSAEK) for 30%, and deep anterior lamellar keratoplasty (DALK) for 13%. By 2016, partial-thickness procedures had increased by 10%, accounting for 85% of all procedures. In addition, DMEK increased by 26%, DSAEK decreased by 13%, and PKP decreased by 11%. Fuchs' dystrophy remained the leading indication for DMEK (67%) and DSAEK (42%) procedures. In 2016, 73% of DALK procedures were for the treatment of keratoconus. CONCLUSIONS: Partial-thickness corneal transplants now account for 85% of all current graft procedures, and DMEK has emerged as the procedure of choice. Graft failure continues to be the leading indication for full-thickness grafts. Longitudinal studies are needed to determine whether these new trends persist and their future impact on graft failures.
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 | 0,000 | 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) | 0,025 | 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 ».