Topical Losartan for Corneal Fibrosis: A Case Series With Densitometry Analysis
Notice bibliographique
Résumé
PURPOSE: To present the clinical, topographic, and densitometry outcomes of patients with corneal fibrosis treated with topical losartan. METHODS: In this case series, patients with corneal scars treated with topical losartan 0.8 mg/mL 4 times a day for 6 months were included. Age, sex, cause of corneal opacity, months with corneal opacity, and previous topical treatment were recorded. Patients were examined at baseline and 1, 3, and 6 months after starting treatment. At each visit, uncorrected and best-corrected visual acuity, subjective refraction, intraocular pressure, slit-lamp examination, corneal tomography, and densitometry were performed. Patients were asked about drop comfort and possible side effects on a 0 to 10 self-reported scale. RESULTS: Eight eyes of 7 patients (4 males, 3 females, mean age 45.1 ± 12.0 years) were included. Best-corrected visual acuity logMAR was 0.28 ± 0.17 pretreatment and 0.17 ± 0.11 after 6 months of topical losartan ( P = 0.358). The visual acuity of 5 eyes improved, 1 eye remained unchanged, and the vision of 2 eyes declined. No changes in topographic and densitometry parameters were noted within the cohort analyzed as a group (all P > 0.05). No systemic side effects were reported, and tolerance was from very good to excellent (all 2/10 or better). CONCLUSIONS: No significant improvements in visual acuity and densitometry values were noted with topical losartan in this series analyzed as a group. Further research to assess the full scope of clinical applications in corneal fibrosis is needed, particularly randomized clinical trials to address the effect of time and unequivocally prove its beneficial effects.
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 | 0,001 |
| 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 ».