Comparing interventions for chronic central serous chorioretinopathy: A network meta-analysis
Notice bibliographique
Résumé
We compare efficacy of treatments for chronic central serous chorioretinopathy (CSCR) > 3 months. Four treatment classes were considered: photodynamic therapy (PDT), subthreshold laser therapies (SLT), mineralocorticoid receptor antagonists (MRA) and antivascular endothelial growth factor (anti-VEGF) agents. Pairwise and network meta-analyses (NMA) of the primary outcomes (complete resolution of subretinal fluid (SRF), mean change in best corrected visual acuity (BCVA as logMAR) and mean change in SRF) and secondary outcomes (mean change in central retinal thickness, and central choroidal thickness (μm), recurrence of SRF, and adverse events) at 3, 6, and 12 months were compared. Confidence in Network Meta-Analysis (CINeMA) informed the certainty of NMA evidence. Eleven RCTs of 458 eyes (450 patients) were included. NMA at 3 months showed that both PDT and SLT were superior to control for resolution of SRF (OR 4.83; 95% CI 1.72-13.55 and 2.27; 1.14-4.49, respectively) and SLT was superior to control for improving BCVA (MD -0.10; -0.17 to -0.04). PDT was superior to SLT for improving CRT (MD -42.88; -75.27 to -10.50). On probability ranking, PDT and SLT were consistently the best-ranked treatments for each outcome at 3 months, but low confidence of evidence and paucity of studies preclude definitive conclusions.
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 | 0,015 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,038 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».