Tear Breakup Dynamics: A Technique for Quantifying Tear Film Instability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to develop a novel, quantitative measurement of tear film breakup dynamics (TBUD) to study the phenomenon of tear breakup in dry eye and control subjects and its impact on dry eye symptoms. METHODS: Ten control and 10 dry eye subjects completed the Dry Eye (DEQ) and other questionnaires. After the instillation of sodium fluorescein, subjects kept the tested eye open for as long as possible, similar to a staring contest, while tear film breakup was videotaped (S-TBUD). The maximum blink interval (MBI) and tear breakup time (TBUT) were measured from digital movies by a masked observer. Individual frames of movies were converted to gray-scale images, maps of relative tear film fluorescence were generated, and the total area of tear breakup (AB) of the exposed cornea was quantified. RESULTS: On average, dry eye subjects demonstrated a higher AB and shorter TBUT and MBI, but only the AB was significantly different (p = 0.023). Subjects most often used the descriptors stinging and burning to describe their sensations during staring trials. The AB showed a high correlation between eyes and with some DEQ symptom measures. CONCLUSIONS: These methods allow objective quantification and tracking of the phenomenon of tear breakup. Our results suggest that tear breakup stresses the corneal surface, resulting in stimulation of underlying nociceptors. The tear film of dry eye subjects was less stable than controls. They had a larger AB measured from the last video frame before MBI (i.e., just before blinking) than did controls. This perhaps reflects adaptation to the repeated stress of tear instability in dry eye.
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.
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 | 0,001 |
| 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 découle