MétaCan
Menu
Retour à la cohorte
Enregistrement W2065396718 · doi:10.1159/000265967

Association between Colour Vision Losses and Diabetes mellitus

2009· article· en· W2065396718 sur OpenAlexaff
R Lakowski, Peter Aspinall, Paul R. Kinnear

Notice bibliographique

RevueOphthalmic Research · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Imaging and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDiscriminant function analysisHueLinear discriminant analysisMedicineDiabetes mellitusColour VisionOptometryOphthalmologyColor visionAudiologyMathematicsArtificial intelligenceStatisticsComputer scienceEndocrinology

Résumé

récupéré en direct d'OpenAlex

In this study of diabetic colour vision, differences in performance were found on the Pickford-Nicolson anomaloscope and the Farnsworth-Munsell 100-Hue test, between diabetics and equivalent age controls and between diabetics with retino-pathies and those with none. The discriminant function analysis used (which selects the weighted combination of the available variables) shows that the best separation into these categories (error in classification below 20%) is achieved when both colour vision variables and duration are included. Colour vision tests plus the duration variable are also useful in predicting onset of minor retinopathies in diabetics under 30 and over 60 years of age, where those patients first had no retinal damage but developed a few microaneurisms after 5 years.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,425
Écart entre enseignants0,373 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations87
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOphthalmic ResearchMême sujetRetinal Imaging and AnalysisTravaux en français237 207