Specificity and sensitivity of Heidelberg retina tomograph macular edema maps and the effect of exudate and hemorrhage
Notice bibliographique
Résumé
Abstract Purpose To assess the specificity and sensitivity of the Macular Edema Module (MEM) of the Heidelberg Retina Tomograph (HRT, Heidelberg Engineering, Heidelberg, Germany) versus Stereoscopic Color Fundus Photographs (SCFP) for patients with different grades of diabetic macular edema (ME) and non‐diabetic subjects. The effect of local exudates and hemorrhage on the specificity and sensitivity of MEM was also investigated. Methods The study included 20 eyes of 20 normal subjects without diabetes and 60 eyes of 60 diabetic patients. Eyes of diabetic patients were classified as without ME (n = 20), with questionable ME (n =20) and with Clinically Significant Macular Edema (CSME, n =20). All participants underwent a full ophthalmological evaluation, plus SCFP and HRT II MEM assessment. The sectors with exudate and/or hemorrhage on the SCFP were removed from the CSME group to generate a modified group (n=20) with CSME and without exudate or hemorrhage. Results In the normal subject group, the specificity of MEM was 92.2%. In the diabetes without macular edema group, the specificity of MEM was 91.7%. In the questionable ME group, the specificity of MEM was 93.1%. In the CSME group, the specificity of MEM was 87.3%, and the sensitivity for detecting CSME was 77.1%. In the modified group with CSME and without exudate or hemorrhage, the specificity of MEM was 85.7% and the sensitivity for detecting CSME was 96.9%. Conclusion The determination of diabetic macular edema by MEM shows good to moderate sensitivity and very good specificity. Furthermore, removing the influence of the exudate and/or hemorrhage resulted in excellent sensitivity and very good specificity.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».