Predicting sulcus size using ocular measurements
Notice bibliographique
Résumé
PURPOSE: To predict sulcus size using ocular measurements. SETTING: Michel Pop Clinics, Montreal, Quebec, Canada. METHODS: Forty-three eyes were evaluated using several techniques. Ultrasound biomicroscopy (UBM) echograms were taken to measure the anterior chamber depth (ACD), sulcus size, and central corneal thickness. The limbus size was measured with a caliper. Axial length, ACD, and pachymetry were measured by contact ultrasonography. Refraction and corneal power were also evaluated. RESULTS: The coefficient of linear regression was 0.05 between the limbus and the sulcus size (P =.78), 0.76 between ultrasonography and UBM ACD measurements (P <.001), and 0.69 between ultrasonography and UBM pachymetry (P <.001). Paired t tests showed that ultrasound and UBM ACD measurements were not statistically different (P =.70) but that ultrasound and UBM pachymetry measurements were (P <.001). The sulcus versus limbus difference was 0.6 mm for myopia and 0.3 mm for hyperopia. A backward elimination multiple regression performed with all measures to predict sulcus size resulted in the following formula: Sulcus size = 18.9 - 0.023 x sphere + 0.15 x mean keratometry (R = 0.49; P =.005; statistical power = 0.89; standard error of estimate = 0.5 mm). CONCLUSION: Traditional estimation of sulcus size through limbal measurement is inadequate because limbus size alone cannot predict sulcus size. A general formula using the sphere and the mean corneal power can help predict sulcus size. Corneal power was significantly and negatively correlated with sulcus and limbus size as well as sphere. The standard error of sulcus measurement by UBM was 0.4 mm.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,003 | 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 ».