Prevalence and clinical implications of subretinal fluid in retinal diseases: a real-world cohort study
Notice bibliographique
Résumé
BACKGROUND/AIMS: To characterise the baseline prevalence of subretinal fluid (SRF) and its effects on anatomical and visual acuity (VA) outcomes in diabetic macular oedema (DME) and retinal vein occlusion (RVO) following anti-vascular endothelial growth factor (VEGF). METHODS: This is a retrospective cohort study of 122 DME and 54 RVO patients who were initiated on anti-VEGF therapy with real-world variable dosing. The DME and RVO cohorts were subclassified based on the presence of SRF at presentation. Snellen VA was measured and converted to logarithm of the minimum angle of resolution (LogMAR). Changes in VA and central subfield thickness (CST) were assessed up to 24 months. RESULTS: SRF was present in 22% and 41% in DME and RVO patients, respectively. In the DME subcohort, eyes with SRF showed an improvement of 0.166 logMAR (1.7 Snellen chart lines) at 12 months and 0.251 logMAR (2.6 Snellen chart lines) at 24 months, which were significantly greater compared with those of the non-SRF group. A significantly greater reduction in CST was noted in the SRF eyes compared with the non-SRF eyes at 3 months and 1 month in the DME and RVO subcohorts, respectively. CONCLUSION: Baseline SRF is a good marker for a greater reduction in CST in both DME and RVO, but an improvement in VA associated with SRF may be only noted in DME.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».