Quantifying axonal loss after optic neuritis with optical coherence tomography
Notice bibliographique
Résumé
OBJECTIVE: To determine to what degree changes in retinal nerve fiber layer (RNFL) thickness after optic neuritis (ON) correlate with either visual recovery or impairment. METHODS: ON can cause visible defects within the RNFL, which can be quantified using optical coherence tomography (OCT). It may be possible to predict visual recovery by measuring RNFL loss after ON. Fifty-four patients underwent repeated evaluations with optical coherence tomography and standardized ophthalmic testing after ON. Regression analyses were used to determine the relationship between RNFL thickness and visual function. RESULTS: Thinning of the RNFL was seen in the majority of patients (74%), and it tended to occur within 3 to 6 months of ON. The average RNFL value was thinner (p<0.0001) in the affected (78 microm) compared with the unaffected eye (100 microm). Patients with incomplete visual recovery demonstrated greater RNFL loss after ON. Regression analyses demonstrated a threshold of RNFL thickness (75 microm), below which RNFL measurements predicted persistent visual dysfunction. INTERPRETATION: Determination of RNFL thickness may predict visual recovery after ON, and lower RNFL values correlate with impaired visual function. Optical coherence tomography may have a potential role as a surrogate marker for axonal integrity within the optic nerve among patients with ON.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,001 | 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 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 ».