Notice bibliographique
Résumé
PURPOSE: To convert objective image analysis of anterior ocular surfaces into recognisable clinical grades, in order to provide a more sensitive and reliable equivalent to current subjective grading methods; a prospective, randomized study correlating clinical grading with digital image assessment. METHODS: The possible range of clinical presentations of bulbar and palpebral hyperaemia, palpebral roughness and corneal staining were represented by 4 sets of 10 images. The images were displayed in random order and graded by 50 clinicians using both subjective CCLRU and Efron grading scales. Previously validated objective image analysis was performed 3 times on each of the 40 images. Digital measures included edge-detection and relative-coloration components. Step-wise regression analysis determined correlations between the average subjective grade and the objective image analysis measures. RESULTS: Average subjective grades could be predicted by a combination of the objective image analysis components. These digital "grades" accounted for between 69% (for Efron scale-graded palpebral redness) and 98% (for Efron scale-graded bulbar hyperaemia) of the subjective variance. CONCLUSIONS: The results indicate that clinicians may use a combination of vessel areas and overall hue in their judgment of clinical severity for certain conditions. Objective grading can take these aspects into account, and be used to predict an average "objective grade" to be used by a clinician in describing the anterior eye. These measures are more sensitive and reliable than subjective grading while still utilizing familiar terminology, and can be applied in research or practice to improve the detection, and monitoring of ocular surface changes.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».