Variability and repeatability of quantitative, SD-OCT doppler blood flow in young and elderly healthy subjects
Notice bibliographique
Résumé
Purpose: The purpose was to determine the within-session variability and between-session repeatability of SD-OCT Doppler measurement of retinal blood flow in young and elderly healthy subjects. \nMethods: SD-OCT Doppler blood flow was non-invasively measured using the RTVue system (Optovue Inc., USA). One eye of each of 6 healthy young (mean age 25.7; SD 3.5 years) and 6 healthy elderly (mean age 63.1; SD 1.8 years) subjects was randomly selected for the study and the pupil was dilated using Mydriacyl 1%. A double circular scanning \npattern was employed. A minimum of six separate SD-OCT Doppler measurements (i.e. each separate measurement comprising an upper nasal pupil scan and a lower nasal pupil scan) were acquired at each session. Measurements were repeated on a second day. Retinal blood flow was \ncalculated, using data from valid scans only, by summing flow from all detectable venules. The coefficient of variation and the coefficient of repeatability were calculated for each individual. \nResults: The individual COVs for retinal blood flow for young subjects ranged from 2 to 51.9% (median 28.8%) and for the elderly subjects ranged from 0.6 to 81.2% (median 9.9%). The group mean CORs for retinal blood flow for young subjects were 30.5 μl/min (median 29.5 μl/min, relative to a mean effect 39.8 μl/min) and for elderly subjects were \n16.9 μl/min (median 7.2 μl/min, relative to a mean effect 34.7 μl/min). \nConclusions: The Doppler SD-OCT in general gave consistent \nmeasurements of retinal blood flow in normal subjects, while the data was far more repeatable for the elderly group. The relatively small sample size needs to be considered when interpreting these results. \n
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».