Quantifying end‐stage electrophysiological function in progressive retinal degenerative disorders (PRDD)
Notice bibliographique
Résumé
Abstract Purpose PRDD, such as Retinitis Pigmentosa, are accompanied with a gradual reduction of ERG signal to non‐measurable amplitudes. We compared alternative means of quantifying normal and pathological ERGs. Methods Photopic ERGs (DTL electrode, background 30 cd.m‐2; flash stimuli: ‐2.62 to 0.64 log cd.sec.m‐2 in 17 steps of ~ ‐0.2 log‐unit) were recorded from 85 normal subjects and 55 patients with PRDD. In a subset of 6 normal subjects, focal ERGs (fERGs) were obtained with the use of a eye patch to restrict the stimulus centrally and at 20o or 40o nasally. ERG descriptors, obtained with Direct Wavelet Transform D(WT) of the ERGs, were compared to the traditional amplitude measurements. Results In normal, the ERG amplitude gradually decreased from 131.42±31.27µV (Vmax) to 0.71±0.12 µV (dimmest flash used) in two distinct pseudo‐asymptotical steps of ‐15.2±2.0µV.s (step 1) and ‐0.42±0.1µV.s per decrement respectively (9 steps each). Pathological ERGs as well as normal focal ERGs could always be fitted to this model. Furthermore, while the traditional measurements frequently failed to quantify residual ERGs, including the normal fERGs, the DWT was always able to extract quantifiable and comparable information from the residual response, thus permitting a more favourable prognosis. Conclusion Analysis of the ERG response in the time and frequency domain (such as DWT) allows for a more precise quantification of the ERG signal especially when it reaches residual amplitudes such as that observed in end‐stage PRDD. Our results suggest that modeling ERG attenuation with the DWT improves the staging and prognosis of patients affected with severe PRDD. Supported by FFB (USA).
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) | 0,001 | 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 ».