The Impact of Artificial Light Scatter on Scanning Laser Tomography
Notice bibliographique
Résumé
PURPOSE: The impact of cataract (which frequently occurs alongside glaucoma) on scanning laser tomography (SLT) is poorly understood. The aim of this pilot study was to determine the impact of artificial light scatter on SLT estimates of optic nerve head (ONH) topography. METHODS: The sample comprised 10 healthy, young subjects of mean age 23.5 years. One eye of each subject was randomly selected. Cells filled with increasing concentrations of 0.50-microm diameter polystyrene microspheres were prepared. The cells were mounted in front of the objective lens of the Heidelberg Retina Tomograph (HRT) II and were tilted at an angle of 20 degrees to eradicate any surface reflections. Three sets of ONH scans were initially acquired without any light scatter cell in place and then three further sets were acquired for each of four different concentrations of microspheres in a randomized order. The impact of artificial light scatter on cup-to-disc area ratio, cup volume, rim volume, cup shape measure, height variation contour, and mean retinal nerve fiber layer (RNFL) thickness was evaluated. RESULTS: Repeated-measures analysis of variance showed that there was no significant change in cup-to-disc area ratio, cup volume, rim volume, height variation contour, cup shape measure, or mean RNFL thickness as a function of increasing light scatter cell concentration. CONCLUSION: Artificial light scatter had no statistically significant impact on the stereometric parameters of the HRT II. From a clinical perspective, useful SLT data can be acquired with confidence from patients with diagnosed/suspected glaucoma and concomitant cataract.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».