Long-Term Effectiveness of Scleral Lens Treatment in the Management of Keratoconus: A Systematic Review
Notice bibliographique
Résumé
This systematic review evaluates the long-term effectiveness of scleral lenses in improving visual outcomes, patient satisfaction, and safety in patients with keratoconus. A systematic search of six databases (PubMed, Embase, Web of Science, Scopus, Cochrane Library, and MEDLINE) was performed following Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. The inclusion criteria included studies with more than or equal to three months of follow-up, included a minimum of 20 keratoconus patients, published after year 2020 and outcomes reporting visual acuity, comfort or quality of life. Methodological quality was assessed using the Newcastle-Ottawa Scale and Murad et al. case series tool. Five studies (463 eyes) met the inclusion criteria. Scleral lenses consistently improved best-corrected visual acuity (BCVA) across studies, with visual gains from baseline logMAR 0.50-0.53 to post-treatment logMAR 0.08-0.09. Significant improvements in vision-related quality of life (National Eye Institute Visual Function Questionnaire (NEI-VFQ) scores) were observed in validated assessments. Complications were infrequently reported but included lens handling issues (10.4%-63%), fogging (58%), and physiological events (e.g., corneal epitheliopathy). Long-term follow-up indicated that 14.6% of the patients experienced worsening visual acuity due to keratoconus progression. Methodological quality was variable, with limitations including variable outcome reporting and limited follow-up duration. Scleral lenses provide substantial and sustained improvements in visual acuity and quality of life for keratoconus patients, particularly those with advanced disease. However, the evidence is limited by methodological shortcomings and a lack of long-term controlled studies. Future research should prioritise randomised trials with standardised reporting and longer follow-up to better assess complications and durability of outcomes.
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 | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».