Dry Eye Disease Management Via Technological Methods: A Systematic Review and Network Meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: In recent years, various technological therapeutic modalities have emerged aiming to target the underlying pathophysiology of dry eye disease (DED). METHODS: A systematic search was conducted in PubMed, Scopus, and Embase databases up to July 29, 2023, using predefined search terms related to DED and technological treatments, including intense pulsed light (IPL), LipiFlow, TearCare, iLux, low-level light therapy (LLLT), and acupuncture. Randomized controlled trials (RCTs) evaluating technological interventions for DED with outcome measures for tear secretion, meibomian gland quality, tear break-up time (TBUT), corneal surface health, and symptom scores at 1-2 months post-treatment were included. Data extraction followed PRISMA guidelines. Risk of bias was assessed using Cochrane guidelines. A random-effects frequentist network meta-analysis model was employed, and standardized mean differences (SMDs) were calculated for comparative analyses. P-scores were used to rank treatment efficacy. RESULTS: Ultimately, 45 RCTs involving 3455 patients were included. TearCare combined with meibomian gland expression (MGX) demonstrated the highest efficacy for improving meibomian gland secretion (SMD - 10.08, 95% CI - 13.35 to - 6.82). IPL-based treatments, including IPL combined with diquafosol sodium or LLLT, significantly improved TBUT and symptom scores, with IPL alone ranking highest for symptom relief (P-score 0.811). Acupuncture was the only intervention significantly superior to conservative treatment for increasing Schirmer test values (SMD - 0.69, 95% CI - 1.06 to - 0.32). LipiFlow demonstrated modest improvements but was not significantly superior to other technologies. CONCLUSIONS: These findings underscore the potential of advanced technological interventions in the short-term management of DED and support the need for standardized, long-term comparative studies.
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 | 0,021 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,034 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».