Efficacy of Care for Blind Painful Eyes
Notice bibliographique
Résumé
PURPOSE: Pain relief for a blind painful eye often follows an escalating paradigm of interventions. This study compares the efficacy of common interventions. METHODS: A retrospective chart review of blind painful eye cases was conducted at a single tertiary institution from April 2012 to December 2016. Demographics, etiology, treatment, and pain level were assessed. RESULTS: Among 99 blind painful eyes, 96 eyes initially received medical therapy (topical steroids, cycloplegics, and/or hypotensives), with pain relief in 39% of eyes. Minimally invasive interventions (laser cyclophotocoagulation, retrobulbar injection, or corneal electrocautery) were performed 41 times in 36 eyes, 34 of which had failed medical therapy, and led to pain relief in 75% of eyes. Evisceration or enucleation was performed in 28 eyes, and long-term pain relief was achieved in 100% of eyes. Surgery allowed discontinuation of oral analgesics in 100% of cases versus 20% for minimally invasive therapy (p = 0.005) and 14% for medical therapy (p = 0.0001). Compared with medical therapy, minimally invasive therapy was 2.5 times more likely to achieve lasting pain relief (p = 0.003) and surgical therapy 35.6 times more likely to achieve lasting pain relief (p = 0.011). High initial pain score was associated with nonsurgical treatment failure. CONCLUSIONS: Medical therapy provides pain relief in a moderate number of patients with a blind painful eye. When medical therapy fails, minimally invasive therapy and surgical interventions are successively more effective in relieving ocular pain. High initial pain score is a risk factor for nonsurgical therapy failure and may merit an earlier discussion of surgical intervention.
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) | 0,000 | 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 ».