Two-Staged Sequential Management of Post-LASIK Ectasia: Under-Flap Corneal Cross-Linking for Stabilization Followed by Flap Surface Topography-Guided PRK for Visual Optimization
Notice bibliographique
Résumé
Background/Objectives: To evaluate the efficacy, accuracy, safety, and long-term stability of topography-guided photorefractive keratectomy (TGPRK) in eyes where post-LASIK (PLE) ectasia progression was stabilized with under-flap corneal crosslinking (ufCXL). Methods: This retrospective interventional case series included six eyes from five patients with PLE after microkeratome LASIK. All eyes underwent ufCXL to halt ectatic progression. A shallow TGPRK enhancement was performed on the LASIK flap surface after corneal and refractive stability was confirmed (18 months median) post ufCXL Outcome measures included uncorrected and corrected distance visual acuity (UDVA, CDVA), spherical equivalent (SEQ), refractive astigmatism, keratometry, and corneal irregularity indices over a mean follow-up of 47 months. Results: ufCXL stabilized ectatic progression but left residual refractive errors, limiting UDVA. TGPRK performed subsequently significantly improved UDVA, from 0.38 to 0.10 LogMAR (p = 0.017), and increased the LASIK efficacy index from 0.46 to 0.83 (p = 0.0087). Refractive astigmatism was reduced in all eyes achieving a SEQ within ±1.00 D of the target. Long-term stability was maintained, with no ectasia progression, no change in SEQ, no change in corneal irregularity indices, and no increase in maximal keratometry. Conclusions: TGPRK performed in ufCXL stabilized corneas can safely correct residual refractive errors, resulting in significant and sustained improvements in both refractive and visual outcomes in PLE.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».