SENSITIVITY AND SPECIFICITY OF THE OPTOS OPTOMAP FOR DETECTING PERIPHERAL RETINAL LESIONS
Notice bibliographique
Résumé
In Brief Purpose: To compare the sensitivity and specificity of the Optomap Panoramic200 wide-field confocal scanning laser imaging system for detecting peripheral retinal lesions. Methods: Optomap images were obtained in patients with known retinal pathology. Two masked retinal specialists evaluated Optomap images to identify lesions requiring referral to a retinal specialist. Their performance was compared to gold standard examination with scleral indentation performed by a retinal specialist. Sensitivity was calculated overall and again for lesions that were found on clinical examination to require treatment. These sensitivities were calculated separately for lesions posterior and anterior to the equator. Specificity was calculated from fellow eyes that were found to have no pathology on clinical examination. Results: For retinal lesions posterior to the equator, sensitivity was 74% (95% confidence interval [95% CI] 61%–87%) overall for all lesions and 76% (95% CI 59%–93%) for lesions requiring treatment. For anterior lesions, sensitivity was 45% (95% CI 28%–62%) overall and 36% (95% CI 14%–58%) for treatable lesions. Specificity was 85% (95% CI 63%–100%). Conclusions: The Optomap showed high specificity and moderate sensitivity for lesions posterior to the equator and low sensitivity for lesions anterior to the equator. The sensitivity and specificity of the Optos Optomap Panoramic200 imaging system for the detection of peripheral retinal pathology was evaluated. The Optomap showed high specificity and moderate sensitivity for lesions posterior to the equator and low sensitivity for lesions anterior to the equator.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».