Axial Length Changes Following Surgical Intervention in Children With Primary Congenital Glaucoma
Notice bibliographique
Résumé
Background: Primary congenital glaucoma (PCG) is a challenging condition to diagnose, treat and effectively monitor. Serial assessment of intraocular pressure (IOP), optic disc cupping, refraction, and axial length (AxL) after surgery are useful to assess disease control. This study aimed to evaluate AxL changes in relation to IOP changes following glaucoma surgery in children with PCG. Methods: We retrospectively studied AxL changes in children with PCG undergoing surgery. Eyes of children aged ≤ 4 years that did not have prior ocular surgery and that underwent at least one glaucoma surgery during the course of follow-up between June 2014 and July 2018, were included. The effect of change in IOP on change in AxL was estimated using linear mixed effects models. Results: A total of 105 eyes (of 72 children) with PCG underwent glaucoma surgery representing 26.4% (105/397) eyes. The mean ± SD age of children at baseline was 3.53 ± 4.04 months. At baseline, the mean IOP and AxL were 26.63 ± 9.57 mmHg and 21.67 ± 1.82 mm, respectively. During the course of follow-up post-surgery, the IOP decreased by a mean of 7.25 ± 12.08 mmHg while the AxL increased by a mean of 0.70 ± 1.40 mm. A multivariable mixed effects linear regression revealed that change in AxL was significantly associated with change in IOP (p=0.030) and time since first surgery (p<0.001). A substantial reduction in IOP (≥35 mmHg) was needed at 3 months post-surgery, for AxL to regress. Conclusion: In children with PCG who undergo glaucoma surgery, change in IOP significantly influences change in AxL. For AxL to regress, a substantial reduction in IOP is needed post-surgery.
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 ».