Retrospective Chart Review on Real-World Use of Latanoprostene Bunod 0.024% in Treatment-Naïve Patients with Open-Angle Glaucoma
Notice bibliographique
Résumé
INTRODUCTION: The objective of this study was to evaluate real-world effectiveness of latanoprostene bunod (LBN) ophthalmic solution 0.024% in treatment-naïve patients newly diagnosed with open-angle glaucoma (OAG) or ocular hypertension. METHODS: This multicenter retrospective chart review included patients aged ≥ 18 years, with no history of medical, laser, or surgical intraocular pressure (IOP)-lowering intervention and at least two follow-up visits (spanning ≥ 2 months) following initiation of LBN treatment. Extracted data included age, sex, race, cup-to-disk ratio, central corneal thickness, IOP, visual acuity (VA), concomitant medications, and adverse events. In patients treated bilaterally, the eye with the higher baseline IOP was the study eye. RESULTS: Medical charts for 65 patients (mean [SD] age, 59 [14] years; 53.8% female) encompassing 125 eyes treated with LBN were reviewed across nine clinical sites. Mean (SD) IOP at baseline was 21.7 (5.9) mmHg. Mean days to first and second follow-up visit were 43 and 141, respectively. LBN use resulted in a mean (SD) reduction from baseline of 7.1 (4.7) and 7.3 (5.1) mmHg at the first and second follow-up visits, respectively (P < 0.0001 for both). Reductions among patients with IOP > 21 mmHg (n = 30) at baseline were 10.0 (4.5) and 11.1 (4.6) mmHg at the first and second follow-up visits (P < 0.0001 for both). There were no meaningful changes in VA. Adverse events appeared infrequent, with only one report of ocular redness. CONCLUSION: In this real-world, retrospective chart review, LBN 0.024% use resulted in robust IOP lowering in newly diagnosed OAG patients new to treatment, and appeared well tolerated.
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) | 0,001 | 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 ».