Assessment of Factors Affecting the Difference in Intraocular Pressure Measurements Between Dynamic Contour Tonometry and Goldmann Applanation Tonometry
Notice bibliographique
Résumé
PURPOSE: To determine if the difference in intraocular pressure (IOP) measurements between dynamic contour tonometry (DCT) and Goldmann applanation tonometry (GAT) is correlated with axial length (AL), and to assess the possible influence of age, sex, central corneal thickness (CCT), corneal hysteresis (CH), ocular pulse amplitude (OPA), and glaucoma status on the difference in IOP measurements between the 2 instruments (ΔIOP=DCTIOP- GATIOP). METHODS: Two hundred sixty-oneparticipants (509 eyes) in these 4 groups were included: 53 normal individuals (N; 106 eyes), 112 glaucoma patients (OAG; 212 eyes), 52 glaucoma suspects (GS; 103 eyes), and 44 patients with ocular hypertension (OHT; 88 eyes). The patients who had had an incisional ocular surgery were excluded. All participants underwent IOP evaluation with DCT and GAT and AL, CCT, and CH measurements. The influence of age, sex, AL, CCT, CH, OPA, and glaucoma diagnostic status on ΔIOP was evaluated using correlation analysis and analysis of variance (ANOVA). Right (OD) and left eyes (OS) were analyzed separately. RESULTS: ΔIOP was higher in eyes with longer axial lengths (OD: r=0.142, P=0.02; OS: r=0.233, P<0.001). ΔIOP also correlated with CH (OD: r=-0. 127, P=0.04; OS: r=-0.169, P=0.01), in which the ΔIOP increased as CH decreased (corresponding to less rigid corneas). OPA also correlated negatively with ΔIOP, but the correlation was only statistically significant in left eye (OD: r=-0.112, P=0.08; OS: r=-0.124, P=0.05). Age, CCT, sex, and diagnostic status did not influence ΔIOP significantly. CONCLUSIONS: GAT underestimated IOP more compared with DCT in patients with longer axial length and in patients with lower corneal hysteresis.
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 | 0,001 | 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) | 0,000 | 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 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 ».