Aqueous humour biomarker profiles in angle-closure glaucoma: systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate aqueous humour biomarker concentrations in patients with angle-closure glaucoma (ACG) compared to cataract controls. METHODS: A systematic review and meta-analysis were performed as per the Preferred Reporting Items for Systematic Reviews and Meta-analyses guidelines. A comprehensive literature search was conducted using Ovid MEDLINE, Embase, and the Cochrane Library from January 2000 to August 2024 to identify comparative studies assessing aqueous humour biomarkers in adult patients with ACG versus cataract controls. Biomarkers analyzed included cytokines, chemokines, growth factors, matrix metalloproteinases (MMPs), and tissue inhibitors of metalloproteinases (TIMPs), among others. The primary analysis compared biomarker levels between ACG and cataract controls. Meta-analyses were performed using a random-effects model, with heterogeneity evaluated using the I² statistic. RESULTS: Seventeen observational studies involving 919 eyes (500 ACG [54.4%] and 419 cataract controls [45.6%]) were included. ACG eyes had significantly elevated levels of VEGF (standard mean difference [SMD] = 2.73; 95% CI = 0.61-4.86]; p = 0.01), IL-8 (SMD = 2.87, 95% CI = 0.03-5.70; p = 0.05), MMP-2 (SMD = 1.14, 95% CI = 0.53-1.75; p = 0.0002), monocyte chemoattractant protein-1 (SMD = 1.00, 95% CI = 0.52-1.49; p < 0.0001), and TIMP-1 (SMD = 1.75, 95% CI = 0.72-2.78; p = 0.0009). Subgroup analysis revealed significantly higher tumour necrosis factor-α (SMD = 3.41, 95% CI = 0.58, 6.23; p = 0.02) and IL-6 (SMD = 2.43, 95% CI = [0.00, 4.85]; p = 0.05) levels in patients with acute primary angle closure compared to controls. CONCLUSIONS: Several biomarkers were elevated in the aqueous humour of patients with ACG compared to cataract controls, providing insights into the molecular mechanisms of angle closure and elevated intraocular pressure. Future studies should focus on the potential for biomarker-driven diagnostics and longitudinal designs to further advance personalized management strategies.
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 | 0,013 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,037 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».