Prevalence of phantom eye syndrome following eye removal: a systematic review and meta-analysis
Notice bibliographique
Résumé
Purpose To determine the literature-pooled prevalence of phantom eye syndrome (PES) following eye removal, including phantom vision (PV), phantom pain (PP), or phantom non-visual non-painful (PNVNP) sensations.Methods Databases were searched from inception to March 12 2025. A systematic review and meta-analysis of PES prevalence and risk factors was conducted.Results Seven studies were identified (775 patients). The literature-pooled prevalence of PES, defined as having at least one constitutive symptom, was 58.9% (95% CI [50.4, 66.9], I2 = 78%, five studies). The most common constitutive symptom was PV in 35.6% (95% CI [29.5, 42.3], I2 = 71.1%, six studies), followed by PP in 26.4% (95% CI [20.8, 32.9], I2 = 76.1%, seven studies) and PNVNP in 19.9% (95% CI [7.9, 42.0], I2 = 91.2%, six studies) sensations. The pooled prevalence of reporting all three constitutive symptoms simultaneously was 4.8% (95% CI [2.2, 10.1], I2 = 67.3%, three studies). Commonly reported risk factors in the literature included mental health comorbidities and preoperative pain, though some studies did not conduct multivariable analysis to control for confounding factors.Conclusions Low certainty evidence supports that over 50% of patients may develop at least one constitutive PES symptom. Patients may benefit from PES screening, reassurance, and early treatment of postoperative pain.
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 | 0,014 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,036 |
| Bibliométrie | 0,008 | 0,007 |
| 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) | 0,004 | 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 ».