Impact of simulated light scatter on scanning laser Doppler flowmetry
Notice bibliographique
Résumé
AIM: To determine the impact of simulated light scatter on scanning laser Doppler flowmetry (SLDF) assessment of retinal capillary blood flow and retinal image quality. METHODS: One eye of 10 normal subjects (mean (SD) age 24 (1.7) years, range 22-27) was randomly selected. Varying concentrations of polystyrene microspheres were suspended in optically clear cells to simulate light scatter. The microsphere concentrations used were 0.05%, 0.03%, 0.02%, 0.01%, and a cell containing only water. LogMAR visual acuity and contrast sensitivity were measured both with and without cells. Optimal focus and alignment was established by acquiring three SLDF images each of the optic nerve head (ONH) and of the macula using the Heidelberg retina flowmeter (HRF) with no cell in place. SLDF images were subsequently acquired with each of the light scatter cells mounted in front of the HRF. The group mean retinal capillary blood flow was compared using repeated measures analysis of variance (reANOVA) as a function of microsphere concentration. RESULTS: Retinal capillary blood flow increased significantly in the ONH, nasal macula, fovea, and temporal macula with increasing microsphere concentration (p<0.0001). Using Dunnett's post hoc test, retinal capillary blood flow was found to be significantly increased relative to the no cell condition for the 0.03% and 0.05% cell concentrations. CONCLUSIONS: Simulated light scatter produces an artifactual increase in retinal capillary blood flow. The impact of cataract on SLDF measurements has yet to be determined.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,002 | 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 tête enseignante, 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 ».