Post-Cataract Surgery Endophthalmitis Prophylaxis Survey in Thai Ophthalmologists
Notice bibliographique
Résumé
Purpose: To determine current perioperative practice patterns for the prevention of endophthalmitis following cataract surgery in Thailand. Design: Cross-sectional Survey Study. Methods: An online questionnaire was distributed nationwide to certified ophthalmologists, consisting of 21 questions covering 10 preoperative, 7 intraoperative, and 4 postoperative measures for the prevention of post-cataract surgery endophthalmitis. Subgroup analyses were performed to compare practices between general ophthalmologists, retina/uveitis specialists (R/U), and other subspecialists (Non-R/U). Results: A total of 426 responses were analyzed. Preoperative topical antibiotics (21.1%, n = 90) and oral antibiotics (4.9%, n = 21) were rarely prescribed. The most common antiseptic for skin preparation was 10% povidone-iodine (72.3%, n = 308). Intracameral antibiotics were adopted by 54.7% of respondents (n = 233). Postoperative topical antibiotics were almost universally prescribed (99.5%, n = 424). Moxifloxacin was the most preferred topical (preoperative: 45.6%, n = 41, postoperative: 46.4%, n = 197) and intracameral (57.1%, n = 133) antibiotic. Subspecialty analysis revealed that R/U specialists were more prone to use 10% povidone-iodine (relative risk ratio [RRR] 2.37, 95% CI 1.16 to 4.82) and antiseptic applied to fornix (RRR 2.62, 95% CI 1.26 to 5.46) than the general ophthalmologist group. Conclusion: Although the majority of Thai ophthalmologists align their practices with international endophthalmitis prevention guidelines, certain practices were less frequently adopted than recommended. These findings emphasize the need for standardized national practice patterns to enhance surgical outcomes.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».