Sensitivity Differences Between Real-Patient and Computer-Stimulated Visual Fields
Notice bibliographique
Résumé
PURPOSE: The authors sought to verify computer simulation of visual fields by comparing thresholds of real and corresponding simulated visual fields. METHODS: Four patients with stable glaucomatous visual fields and three patients with progressing glaucomatous visual fields were chosen for the study. Visual fields had been recorded at 6-month intervals for 5 to 7.5 years. A previously described computer simulation program was used to generate a corresponding simulated visual field for each of the real fields. Twenty different levels of response variability and long-term variability were used in the simulations. Pointwise sensitivity differences between real and simulated fields were calculated. The average difference and 95% interval of the differences were analyzed for the different simulation conditions, for the pointwise sensitivities in the real patient fields, and to determine whether the field was stable or progressing. RESULTS: In almost all simulation conditions, the average pointwise sensitivity differences ranged from -1 to 1 dB and were not significantly different among different simulation conditions. The 95% interval of the average difference increased significantly with response variability, whereas long-term variability failed to show any apparent effect. Average pointwise differences and the 95% intervals were greatest in locations where the real-patient field had reduced sensitivity of 14 dB or worse. CONCLUSION: The simulation program provided good estimates of visual field sensitivities. Increasing amounts of response, but not long-term variability, produced a linear increase in the variability of threshold sensitivities. This finding implies that short-term rather than long-term fluctuation is the most important factor determining the variability of thresholds.
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 | 0,000 |
| 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 ».