Predicting sulcus size using ocular measurements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle