Complication rates in cataract surgery before and during the COVID-19 pandemic
Notice bibliographique
Résumé
OBJECTIVE: To assess the cataract surgery (CS) complication rates before and during the COVID-19 pandemic. DESIGN: Retrospective, cross sectional study. METHODS: Medical records of patients undergoing CS at two surgery centers in Winnipeg from January 2018 to April 2022 were reviewed. The study periods were pre-COVID-19 (January 1, 2018 to March 31, 2020) and COVID-19 (April 1, 2020 to April 30, 2022). Complication rates for endophthalmitis, sulcus-positioned intraocular lens (IOL) implant, anterior chamber IOL (ACIOL) implant, capsular tension ring (CTR) insertion, cumulative dissipated phacoemulsification energy (CDE), posterior capsular rupture (PCR), unplanned anterior vitrectomy, and return to the OR within one month of surgery were compared. RESULTS: 45,559 patients were included. Pre-COVID-19 rates were compared to COVID-19 rates and stated as per 100 cataract surgeries. Endophthalmitis rates increased from 0.008 to 0.028 (RR 0.27, p=0.09). Sulcus IOL implant rates increased from 0.61 to 1.00 (RR 0.61, p<0.0001). ACIOL implant rates increased from 0.53 to 0.68 (RR 0.78, p=0.05). CTR usage rates increased from 0.48 to 0.75 (RR 0.63, p=0.001). Average CDE increased from 4.6 to 6.7 (p=0.0030). PCR rates decreased from 0.49 to 0.38 (RR 1.3, p=0.14). Unplanned anterior vitrectomy rates decreased from 0.43 to 0.36 (RR 1.18, p=0.35). Return to OR rates remained unchanged at 0.59 and 0.58 (RR 1.01, p=0.93). CONCLUSIONS: Our study found significant increases in some CS complication rates when comparing the defined pre-COVID interval to the COVID interval.
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 ».