Effect of tobacco smoking on outcomes of trabeculectomy
Notice bibliographique
Résumé
PURPOSE: To evaluate the effect of tobacco smoking on trabeculectomy outcomes. METHODS: Charts of patients with glaucoma who underwent trabeculectomy performed by a single surgeon between 2007 and 2016 were retrospectively reviewed. Charts were screened for a documented history of smoking status before surgery. Demographic and clinical preoperative variables were recorded. Based on smoking history, subjects were divided into two groups: smokers and nonsmokers. Any bleb-related interventions (e.g., 5-flourouracil injections ± laser suture lysis) or bleb revision performed during the postoperative period were noted. Success was defined as an intraocular pressure >5 mmHg and <21 mm Hg without (complete success) or with (qualified success) the use of ocular hypotensive medications. Failure was identified as a violation of the criteria mentioned above. RESULTS: A total of 98 eyes from 83 subjects were included. The mean age of the subjects was 70.7 ± 11.09 years, and 53% (44/83) were female. The most common diagnosis was primary open-angle glaucoma in 47 cases (47.9%). The smokers Group included 30 eyes from 30 subjects. When compared with nonsmokers, smokers had a significantly worse preoperative best-corrected visual acuity (p=0.038), greater central corneal thickness (p=0.047), and higher preoperative intraocular pressure (p=0.011). The success rate of trabeculectomy surgery at 1 year was 56.7% in the smokers Group compared with 79.4% in the Group nonsmokers (p=0.020). Smoking presented an odds ratio for failure of 2.95 (95% confidence interval, 1.6-7.84). CONCLUSION: Smokers demonstrated a significantly lower success rate 1 year after trabeculectomy compared with nonsmokers and a higher requirement for bleb-related interventions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».