Updates on medical and surgical managements of diabetic retinopathy and maculopathy
Notice bibliographique
Résumé
Diabetic retinopathy (DR) and diabetic macular edema (DME) are leading causes of vision loss globally. This is a comprehensive review focused on both medical and surgical management strategies for DR and DME. This review highlights the epidemiology of DR and DME, with a particular emphasis on the Asia-Pacific region, urban-rural disparities, ethnic variations, and grading methodologies. We examine various risk factors for DR, including glycemic control, hypertension, hyperlipidemia, obesity, chronic kidney disease, sex, myopia, pregnancy, and cataract surgery. Furthermore, we explore potential biomarkers in serum, proteomics, metabolomics, vitreous, microRNA, and genetics that may aid in the detection and management of DR. In addition to medical management, we review the evidence supporting systemic and ocular treatments for DR/DME, including anti-vascular endothelial growth factor (anti-VEGF) agents, anti-inflammatory agents, biosimilars, and integrin inhibitors. Despite advancements in treatment options such as pan-retinal photocoagulation and anti-VEGF agents, a subset of cases still progresses, necessitating vitrectomy. Challenging diabetic vitrectomies pose difficulties due to complex fibrovascular proliferations, incomplete posterior vitreous detachment, and fragile, ischemic retinas, making membrane dissection risky and potentially damaging to the retina. In this review, we address the question of challenging diabetic vitrectomies, providing insights and strategies to minimize complications. Additionally, we briefly explore newer modalities such as 3-dimensional vitrectomy and intra-operative optical coherence tomography as potential tools in diabetic vitrectomy. In conclusion, this review provides a comprehensive overview of both medical and surgical management options for DR and DME. It underscores the importance of a multidisciplinary approach, tailored to the needs of each patient, to optimize visual outcomes and improve the quality of life for those affected by these sight-threatening conditions.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».