Comparison of a new portable digital meniscometer and optical coherence tomography in tear meniscus radius measurement
Notice bibliographique
Résumé
PURPOSE: Non-invasive measurement of tear meniscus radius (TMR) is useful in the assessment of tear volume for dry eye diagnosis. This study investigates the agreement between a new, portable, slit-lamp mounted, digital meniscometer (PDM) and optical coherence tomography (OCT) in the measurement of human TMR. METHODS: Images of the tear meniscus at the centre of the lower lid of 30 normal subjects (8M, 22F; mean age 27.5 SD ± 9.6 years) were taken using the PDM and the OCT. On the PDM and OCT images, TMR was measured using imagej 1.46b software. The meniscus on the OCT images was subdivided vertically into three equal sections and the radius calculated for each: bottom (BTMR), centre (CTMR) and top (TTMR). The relationship between PDM and OCT measurements was analysed using Spearman's rank coefficient, and differences between PDM and OCT subsection measurements were evaluated using Bland-Altman plots. RESULTS: Tear meniscus radius measured with the PDM (0.25 ± 0.06 mm) and OCT (0.29 ± 0.09 mm) was significantly correlated (r = 0.675; p < 0.001). The mean differences between TMR using the PDM and the subsections from OCT showed that TMR measured with PDM was greater for BTMR (0.07 mm; CI 0.05-0.10; p < 0.001), similar for CTMR (-0.01 mm; CI -0.04 to 0.02; p = 0.636) and steeper for TTMR (-0.07 mm; CI -0.10 to -0.04; p < 0.001). CONCLUSIONS: Portable digital meniscometer and OCT measurements of the TMR are significantly correlated, suggesting that the new PDM is a useful surrogate for OCT in this respect. The PDM appears to measure the radius of the central section of the tear meniscus.
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 | 0,000 |
| 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 ».