Optical Coherence Tomography May Be Used to Predict Visual Acuity in Patients with Macular Edema
Notice bibliographique
Résumé
PURPOSE: To determine whether the volume of retinal tissue passing between the inner and outer retina in macular edema could be used as an indicator of visual acuity. METHODS: Diabetic and uveitic patients with cystoid macular edema (81 subjects, 129 eyes) were recruited. Best corrected logMAR visual acuity and spectral optical coherence tomography (OCT/SLO; OTI, Toronto, ONT, Canada) were performed in all patients. Coronal OCT scans obtained from a cross section of the retina between the plexiform layers were analyzed with a grid of five concentric radii (500, 1000, 1500, 2000, and 2500 μm centered on the fovea). The images were analyzed to determine the amount of retinal tissue present within each ring. A linear regression model was developed to determine the relationship between tissue integrity and logMAR visual acuity. RESULTS: A linear relationship between tissue integrity and VA was demonstrated. The volume of retinal tissue between the plexiform layers in rings 1 and 2 (up to 1000 μm from the foveal center) predicted 80% of visual acuity. By contrast, central macular thickness within the central 1000 μm predicted only 14% of visual acuity. CONCLUSIONS: This study showed that the cross-sectional area of retinal tissue between the plexiform layers in cystoid macular edema, as imaged by OCT, is the best indicator of visual function at baseline. Further prospective treatment trials are needed to investigate this parameter as a predictor of visual outcome after intervention.
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 | 0,000 |
| 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 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 ».