Time-Domain and Spectral-Domain Optical Coherence Tomography of Retinal Nerve Fiber Layer in MS Patients and Healthy Controls
Notice bibliographique
Résumé
Objective. The aim of this study was to compare retinal nerve fiber layer thickness (RNFLT) between spectral-domain (SD-) and time-domain optical coherence tomography (TD-OCT) in MS patients and healthy controls (HC). Furthermore, RNFLT between MS eyes with and without optic neuritis (ON) and HC should be explored. Finally, the relationship between RNFLT, disease duration, EDSS, and disease modifying therapy (DMT) should be established. Design. Prospective, cross-sectional study. Participants. 28 MS patients and 35 HC. Methods. Both groups underwent TD- and SD-OCT measurements. RFNLT was correlated between the two machines and between MS eyes with and without ON and HC. Furthermore, RNFLT was correlated to disease duration, EDSS and DMT. Results. A strong correlation (Pearson's r = 0.921, P < 0.001), but a statistically significant difference of 2 μm (P < 0.001), was found between the two devices. RNFLT was significantly different between MS eyes with history of ON (mean RFNLT (SD) 72.21 μm (15.83 μm)), MS eyes without history of ON 93.03 μm (14.25 μm), and HC 99.07 μm (7.23 μm) (P < 0.001). Conclusions. The measurements between different generation of OCT machines are not interchangeable, which should be taken into account if comparing results between different machines and switching OCT machine in longitudinal studies.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».