MétaCan
Menu
Retour à la cohorte
Enregistrement W2887133245 · doi:10.1016/j.ajoc.2018.08.003

Patch graft using collagen matrix (Ologen) for glaucoma drainage device exposure in a patient with Boston Keratoprosthesis type 1

2018· article· en· W2887133245 sur OpenAlexaff
Samir Jabbour, Mark R. Lesk, Mona Harissi‐Dagher

Notice bibliographique

RevueAmerican Journal of Ophthalmology Case Reports · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCorneal Surgery and Treatments
Établissements canadiensCentre Hospitalier de l’Université de MontréalHôpital Maisonneuve-RosemontUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésKeratoprosthesisMedicineGlaucomaSurgeryOphthalmologyMatrix (chemical analysis)Visual acuityMaterials science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To report the first successfully treated case of recurrent tube exposure in a patient with the Boston Keratoprosthesis type 1 with a collagen matrix patch graft (Ologen). OBSERVATIONS: A 50 year-old female with a Boston Keratoprosthesis type 1 and a history of Axenfeld-Reiger syndrome presents to our department with recurrent glaucoma drainage device exposure in her left eye. After failed spontaneous closure with topical antibiotics and lubricants, she undergoes tube exposure repair using an Ologen patch graft. Surgery was successful and the patient did not have any recurrence up to last follow-up two years post-operatively. CONCLUSION: Collagen matrix patch graft seems to be advantageous in treating glaucoma tube exposure in the Boston KPro eye, which is often a more challenging entity to treat. IMPORTANCE: Collagen matrix patch graft could be considered as a primary patch graft in treating tube exposure in eyes with the Boston KPro.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,398
Score d'incertitude au seuil0,647

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,322
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Ophthalmology Case ReportsMême sujetCorneal Surgery and TreatmentsTravaux en français237 207