MANAGEMENT OF RETINAL PIGMENT EPITHELIUM TEAR DURING ANTI–VASCULAR ENDOTHELIAL GROWTH FACTOR THERAPY
Notice bibliographique
Résumé
PURPOSE: This article aims to review current evidence on the development, diagnosis, and management of retinal pigment epithelium (RPE) tear during anti-vascular endothelial growth factor (VEGF) therapy. METHODS: Literature searches were performed using MEDLINE/PubMed databases (cut-off date: August 2019). RESULTS: Three key recommendations were made based on existing literature and clinical experience: 1) Multimodal imaging with color fundus photography, optical coherence tomography, near-infrared reflectance imaging, fundus autofluorescence imaging, optical coherence tomography-angiography, and/or fluorescein angiography are recommended to diagnose RPE tear and assess risk factors. Retinal pigment epithelium tears can be graded by size and foveal involvement. 2) Patients at high risk of developing RPE tear should be monitored after each anti-VEGF injection. If risk factors worsen, it is not yet definitively known whether anti-VEGF administration should be more frequent, or alternatively stopped in such patients. Prospective research into high-risk characteristics is needed. 3) After RPE tear develops, anti-VEGF treatment should be continued in patients with active disease (as indicated by presence of intraretinal or subretinal fluid), although cessation of therapy should be considered in eyes with multilobular tears. CONCLUSION: Although evidence to support the assumption that anti-VEGF treatment contributes to development of RPE tear is not definitive, some data suggest this link.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».