Evaluation of Tearing in Oculoplastics Assisted by Tear Osmolarity Measurement
Notice bibliographique
Résumé
PURPOSE: To determine the tear osmolarity in patients with tearing secondary to dry eye and other pathologies, and to determine the prevalence of dry eye disease among patients with tearing in an oculoplastics setting. METHODS: 108 eyes of 54 patients with a chief complaint of tearing were prospectively recruited. Subjects were excluded if they used eye drops or contact lenses within 2 hours of assessment, had a history of refractive surgery, an active ocular allergy, or evidence of a systemic disease which affects tear production. A full medical and ocular history was taken with a complete eye exam pertinent to dry eye. Tear osmolarity was measured using the TearLab device. A clinical diagnosis of dry eye was made based on findings, without reference to tear osmolarity. RESULTS: Among 86 eyes symptomatic for tearing, 32 eyes had dry eye disease (37%). Patients with dry eye had a significantly higher median tear osmolarity compared to that in patients with other diagnoses (308 mOsm/L vs. 294 mOsm/L, p < 0.0001). At a cut-off of 308 mOsm/L, tear osmolarity resulted in a sensitivity of 50% and a specificity of 88% for the diagnosis of dry eye. CONCLUSIONS: A significant proportion of patients with tearing in an oculoplastics practice had dry eye disease. The high specificity of tear osmolarity may render it a useful tool to rule in dry eye disease and may assist the oculoplastic surgeon in more accurately determining the cause of tearing.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 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 ».