Atopy and keratoconus: a multivariate analysis
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/AIMS: The primary goal of this study was to determine if atopy is a risk factor for keratoconus. Other potential risk factors were also studied and included age, sex, race, eye rubbing, mitral valve prolapse, handedness, collagen vascular disease, ocular trauma, pigmentary retinopathy, Marfan's syndrome, Down's syndrome, and a history of contact lens wear. METHODS: A case-control study was designed (n=120) with incident cases assembled from the years 1985-99. Controls were chosen from the same person-time experience as cases and were picked from a source population with multiple outcomes ensuring that none was knowingly related to any of the potential exposures being studied. Atopy was defined based on the UK working group 1994 definition (at least 4/6 criteria = complete, 3/6 criteria = incomplete, and at least 1/6 criteria = partial). Keratoconus was defined based on clinical criteria and previously published I-S values. Multiple logistic regression was used in the analysis to obtain the odds ratios as the measure of association. RESULTS: In the univariate associations, there was an association between keratoconus and atopy as well as eye rubbing and family history of keratoconus. However, in the multivariate analysis, only eye rubbing was still a significant predictor of keratoconus (odds ratio = 6.31 p = 0.001). CONCLUSIONS: This study supports the hypothesis that the most significant cause of keratoconus is eye rubbing. Atopy may contribute to keratoconus but most probably via eye rubbing associated with the itch of atopy. No other variable measured was significantly associated with the aetiology of keratoconus.
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 | 0,000 |
| 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) | 0,006 | 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