RETROSPECTIVE REVIEW OF LUCENTIS “TREAT AND EXTEND” PATTERNS AND OUTCOMES IN AGE-RELATED MACULAR DEGENERATION
Notice bibliographique
Résumé
In Brief Purpose: To assess patterns and outcomes of a “Treat and Extend” dosing regimen of ranibizumab in patients with age-related macular degeneration. Methods: Three hundred and thirty two treatment-naive age-related macular degeneration patients starting therapy with ranibizumab between January 1, 2011, and June 30, 2012, at the Ivey Eye Institute were reviewed, and 79 met inclusion criteria. Patients on Treat and Extend dosing regimen underwent an induction phase with monthly injections and then moved onto an extension phase. Change in visual acuity and central retinal thickness during the induction and extension phases were recorded. Results: During the induction phase, patients had a significant gain in vision and decrease in central retinal thickness (+8.4 letters, P < 0.001 and −81.3 μm, P < 0.001). During the extension phase, patients did not have significant change in vision (−0.5 letters, P = 0.81) and did not have significant change in central retinal thickness (−11.5 μm, P = 0.17). The average extension interval between treatments was 47.7 days, with patients receiving an average of 8.6 injections per year. Cost analysis showed it cost US $16,659 to treat 1 patient in the first year on Treat and Extend dosing regimen compared with US $20,614 on monthly dosing. Conclusion: Treat and Extend dosing regimen allows similar visual outcomes to monthly dosing, while reducing the total number of injections, visits, and overall cost. Patients on Treat and Extend are able to maintain similar visual and central retinal thickness outcomes as those on monthly and pro re nata dosing of ranibizumab. Treat and Extend offers increased convenience and reduced cost over previous regimens while maintaining similar clinical 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».