Diagnostic accuracy of the iCare rebound tonometer compared to the Perkins applanation tonometer in assessing intraocular pressure in rural patients
Notice bibliographique
Résumé
BACKGROUND: Vision health is recognized as a critical unmet need in North America. The ocular morbidity associated with glaucoma results from increased intraocular pressure (IOP) and early detection is crucial for the management of glaucoma. Our objective was to find a diagnostically accurate screening tool for intraocular hypertension that can be used in rural communities. We sought to validate the diagnostic accuracy of the iCare rebound tonometer against the gold standard Perkins applanation tonometer (PAT) in measuring IOP. METHODS: Patients from two rural communities in Ontario, Canada visiting their optometrists for routine appointments had their IOP measured by a non-contact tonometer (NCT), an iCare rebound tonometer, and a Perkins applanation tonometer (PAT). Values of sensitivity, specificity, and likelihood ratios for a positive and negative result were calculated for the iCare and the NCT. RESULTS: Complete data was collected from 209 patients. Overall, the iCare tonometer had high levels of validity, as compared to the gold standard PAT. The iCare tonometer displayed excellent sensitivity of 98.3% (90-99%, 95% CI) and excellent negative likelihood ratio of 0.024 (0.0088-0.066, 95% CI) which is useful for ruling out intraocular hypertension. CONCLUSIONS: The iCare tonometer is a reasonably valid tool for detecting elevated IOP. Its ease of use, simplicity, and accessibility makes it a good screening tool to improve eye health in rural areas.
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 | 0,003 |
| 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 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 ».