Anatomic and Functional Outcomes of Lamellar Macular Hole Surgery: Predictive Factors and Associated Complications
Notice bibliographique
Résumé
ABSTRACT Purpose To analyze the anatomic and functional outcomes of lamellar macular hole (LMH) surgery. Patients and methods This is a retrospective interventional cohort study of ninety patients with unilateral idiopathic LMH who underwent pars plana vitrectomy (PPV) with membrane peeling for LMH between 2014 and 2021. We evaluated the anatomic and functional success of PPV with membrane peeling for treating LMH, compared surgical outcomes between the two LMH subtypes (“true” LMH and epiretinal foveoschisis (ERMF)), and identified predictive factors for anatomical and functional success. Primary outcomes included final postoperative best-corrected visual acuity (BCVA) and LMH closure. Variables associated with final BCVA were assessed using a multiple linear regression model. Results 51 subjects presented with ERMF, while 39 presented with “true” LMH. LMH closure occurred in 80 cases. “True” LMH cases had a lower rate of closure (“true” LMH closure rate: 76.9%, vs. ERMF closure rate: 94.2%, p=0.005) and were more at risk of developing a postoperative macular hole (p=0.008). A significant difference was observed between median [Q1, Q3] preoperative BCVA (0.42 [0.26, 0.61]) and final BCVA (0.31 [0.14, 0.48], p=0.024). “True” LMH without epiretinal proliferation (β=0.194, p=0.040) was associated with worse final BCVA in multivariate analysis. Conclusion Results support the effectiveness of PPV as a treatment for LMH. “True” LMHs had worse anatomic outcomes than ERMFs.
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 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».