Prognostic determination using optical coherence tomography compared with visual functions in optic neuritis
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
Background: The majority of optic neuritis patients often notice improvement and gain stability of their visual functions, however, evidences of ongoing retinal nerve fiber layer (RNFL) thinning have been reported. Purposes: To investigate the correlation between RNFL thickness measured with Optical coherence tomography (OCT) and visual function tests and to determine the utility of OCT in visual prognostic assessment of optic neuritis. Method: A prospective study was performed in 12 patients with acute isolated optic neuritis. Best corrected visual acuity (BCVA), Swedish interactive threshold algorithms (SITA) 30-2 strategy on Humphrey field analyzer, and fast RNFL thickness analysis were performed on both affected and fellow eyes at baseline, 1.5, three and six months. Results: Mean BCVA and average mean deviation (MD) of the affected eye were significantly different from the fellow eyes at baseline. Affected eyes had significant thinner of RNFL at baseline, 1.5, three, and six months. Significant correlations between (i) mean RNFL thickness and BCVA at 1.5 ( r = 0.707, p = .010), (ii) mean RNFL thickness and MD at 1.5 months ( r = 0.674, p = .016) and six months( r = 0.710, p = .032), (iii) mean RNFL thickness at 1.5 months and MD at six months ( r = 0.782, p = .013). Conclusion: A correlation between RNFL thickness and visual function tests indicates that OCT might have roles in detection and prediction of RNFL damage in Optic neuritis (ON) patients despite no evidence of MS.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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