Standard of Care for First-line Therapy in Newly Diagnosed Glaucoma and Update on SLT from the LiGHT Trial
Notice bibliographique
Résumé
Glaucoma is a progressive, multifactorial disease marked by ganglion cell loss, optic nerve damage and progressive vision loss, which can result in blindness if not treated. Glaucoma accounts for 11% of registrations for blindness. The disease is closely linked to increased intraocular pressure (IOP) and reducing this pressure is the sole available treatment to slow disease progression. The epidemiology of glaucoma presents a significant public health challenge, with primary open‑angle glaucoma (POAG) being the most common form, affecting approximately 2–3% of adults over the age of forty. Many patients can be initially managed with medications; however, the treatment has significant limitations. Issues such as complications, side effects, adherence, nonresponse, reduced effectiveness over time (tachyphylaxis), and financial costs pose challenges to controlling IOP with eye drops. The global burden of glaucoma is expected to increase as the population ages, highlighting the urgency for effective management strategies. The landmark LiGHT (Laser in Glaucoma and Ocular Hypertension) trial, published in 2019, with an initial 36 months of follow-up, later extended to 72 months of follow‑up, has conceptually influenced the management of POAG and Ocular hypertension (OHT). By demonstrating the efficacy and safety of selective laser trabeculoplasty (SLT), a “dropless” and “knifeless” alternative as a first-line treatment option, the LiGHT trial challenged the conventional treatment paradigm. The six-year results further consolidate SLT’s role as a fundamental treatment option, indicating its long-term effectiveness and durability in managing glaucoma, potentially redefining standard care protocols.
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) | 0,000 | 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 ».