Densities of Orbital Fat and Extraocular Muscles in Graves Orbitopathy Patients and Controls
Notice bibliographique
Résumé
PURPOSE: To investigate CT densities of orbital soft tissue volumes in patients with Graves orbitopathy (GO) and to compare these with the densities of controls. METHODS: Observational case series. Of 95 patients with GO and 150 controls, soft tissue volumes, mean densities, and ratios of fat volume to orbital volume and muscle volume to orbital volume were calculated with software. The 95% confidence intervals of the controls were used as reference values. The densities were plotted against age and volume ratios. For statistical analysis SPSS 16.00.2 was used. p values were calculated with the following tests: analysis of variance, Pearson correlation, Kruskal-Wallis, Mann-Whitney, and linear regression. RESULTS: The main outcome measurements were differences in orbital soft tissue densities. In GO patients the mean orbital fat density was significantly higher than in controls (p ≤ 0.001) and independent of age (p = 0.23). The mean extraocular muscle density of GO patients was within the range of controls and did not decrease with age (p = 0.16) as it did in controls (p ≤ 0.001). Mean fat density increased with decreasing fat volume (p = 0.001). Mean extraocular muscle density increased slightly with increasing muscle volume (p = 0.09). Muscle density correlated with fat density in both controls and GO patients. CONCLUSIONS: Orbital fat density in GO patients is significantly higher than in controls and negatively correlated to fat volume but positively correlated to muscle volume and muscle density.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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) | 0,002 | 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 ».