Optimal Optical Coherence Tomography–Based Measures in the Diagnosis of Clinically Significant Macular Edema
Notice bibliographique
Résumé
OBJECTIVE: To compare optical coherence tomography-based measures of retinal thickness and volume as quantitative tests for clinically significant macular edema (CSME). DESIGN: Diagnostic validation study. METHODS: Sixty-five eyes with diabetic retinopathy underwent stereo photographic and optical coherence tomographic examination. Stereo photographs were examined in a masked fashion to determine the presence or absence of CSME according to criteria from the Early Treatment Diabetic Retinopathy Study. Optical coherence tomography-based measurements of central foveal thickness as well as retinal volumes within a series of radii of fixation were generated. The main outcome measures were areas under receiver operating characteristic curves. Likelihood ratios, sensitivities, and specificities for the diagnosis of CSME were also evaluated. RESULTS: Retinal volumes within radii of 0.50 mm and 1.11 mm of fixation and central foveal thickness were the best variables for discriminating between those with and without CSME as evidenced by analysis of receiver operating characteristic curves. There were no significant differences among these 3 variables in their performance as diagnostic tests for CSME. CONCLUSIONS: Optical coherence tomography-based retinal volume and central foveal thickness variables display comparable abilities to discriminate between those with and without CSME. Both measures may have clinical applications as quantitative diagnostic tests for CSME.
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 | 0,008 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».