Clinical and Soft-Tissue Computed Tomographic Predictors of Dysthyroid Optic Neuropathy
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the ability to predict the presence of dysthyroid optic neuropathy (DON) using computed tomography assessment of soft-tissue and clinical features. STUDY DESIGN: A retrospective consecutive case series of patients with thyroid-related orbitopathy. RESULTS: One hundred eighty-nine orbits from 99 patients were evaluated. Statistically significant clinical predictors of DON on univariate analysis included a difference in intraocular pressure from primary gaze to upgaze (P = .02), the presence of lagophthalmos (P = .04), and inflammation as measured by the VISA (vision, inflammation, strabismus, appearance/exposure) inflammatory scale (P = .004). Dysthyroid optic neuropathy was inversely related to the marginal reflex distance (P = .01), levator function (P = .02), total ductions (P = .003), and interpalpebral fissure (P = .04). Statistically significant radiologic predictors determined on univariate analysis included apical crowding (P < .001), presence of enlarged tendons (P = .004), increasing total rectus diameter (P = .02), and presence of small, low densities within the recti muscles (P = .04). Multivariate analysis found only total ductions (P = .02) and marginal reflex distance (P = .04) determined on clinical examination and apical crowding shown on computed tomography (P = .003) to be significantly associated with DON. Receiver operating characteristic curves were used to evaluate the ability of the clinical and radiologic assessment, as well as the combination of these assessments, to predict DON. All 3 models were strong predictors of DON, with no statistically significant differences in the area under the receiver operating characteristic curve among them (P = .14). CONCLUSIONS: Total ductions, marginal reflex distance, and apical crowding observed on computed tomography scans are able to predict the presence of DON with high sensitivity, specificity, positive predictive value, and negative predictive value. Eyelid ptosis is a novel predictor of DON.
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 | 0,005 |
| 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 | 0,001 | 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) | 0,003 | 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 ».