Characteristics of Traumatic Optic Neuropathy (TON) Cases Diagnosed at Cicendo Eye Hospital in 2022-2024
Notice bibliographique
Résumé
Introduction: Traumatic Optic Neuropathy (TON) is uncommon, with an overall incidence of 0,7-2,5%, and yet significantly vision threatening. Characteristics of TON cases are of great aid in basing diagnosis, research, and therapy, and are documented in lengths in developed nations such as Canada and UK. This study aims to paint a picture of TON cases in Indonesia, especially Cicendo Eye Hospital. Methods: Descriptive data are retrospectively collected from Electronic Medical Record (EMR) of Cicendo Eye Hospital. The data is collected from Diagnosed cases of TON from 2022-2024, amounting to 147 cases. Result: There are 147 diagnosed cases of TON in Cicendo eye hospital from 2022-2024, age of TON patients averages 31,7 ± 16.0, with 79,6% are of male gender, etiology of TON are traffic related trauma (61.8%), occupation related (15.3%), violence related (4.1%), and others (22.9%). Most cases (88.4%) received therapy after 24 hours of onset of trauma. Cases have varied initial visual acuity, ranging from no light perception (18.4%), light perception (8.2%), hand movement (17.7%), finger counting (21.1%), and better(20.4%). Management of TON includes oral citicoline alone(60.5%), with oral corticosteroid (18.4%), or with intravenous corticosteroid (21.1%). Conclusion: Within the 147 TON cases in Cicendo eye hospital from 2022-2024, TON patients are of age 31,7 ± 16.0, mostly male (79.6%), related to traffic accident (61.8%), evaluated 24 hours after onset (88.4%), have visual acuity for finger counting (21.1%), and treated with oral citicoline alone (60.5%).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».