MétaCan
Menu
Retour à la cohorte
Enregistrement W2343531030 · doi:10.1155/2016/2380764

Usefulness of Discarded Vitreous Samples from Routine Vitrectomy

2016· article· en· W2343531030 sur OpenAlexaff
Natàlia Vilà, Pablo Zoroquiaín, Vasco Bravo-Filho, E. Antecka, Helena Luiza Douat Dietrich, John C. Chen, Ivan Galić, Michael A. Kapusta, Miguel N. Burnier

Notice bibliographique

RevueJournal of Ophthalmology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal and Optic Conditions
Établissements canadiensMcGill University
Organismes subventionnairesFundación Alfonso Martín Escudero
Mots-clésMedicineVitrectomyOphthalmologyOptometryVisual acuity

Résumé

récupéré en direct d'OpenAlex

Purpose. To describe the histopathological features of vitreous samples obtained after vitrectomy surgery from diabetic and nondiabetic patients. Methods. Vitreous specimens from 137 patients who underwent vitrectomy for different clinical conditions were analysed. All samples were centrifuged and each resulting pellet was fixed and processed as part of routine paraffin section histopathology. The histopathological features were categorized in a semiquantitative fashion. The samples from diabetic and nondiabetic patients were compared. Results. The 125 included patients (58 diabetic, 60% males) were aged 64.2 ± 13.9 years. The presence of hemorrhage, inflammatory cells, and histiocytes was significantly higher in the diabetic group (P < 0.001, P = 0.028, and P = 0.016, resp.), showing more vessels (P < 0.001) and ghost vessels (P = 0.049). The presence of inflammatory cells was the feature with the highest sensitivity for detecting diabetes mellitus (98%) and also the highest negative predictive value (89%). In the multivariate analysis, three variables emerged as independent significant predictors of diabetes in vitrectomy samples: hemorrhage, endothelial-lined vessels, and age (P < 0.001, P < 0.001, and P = 0.019, resp.). Conclusions. Different histopathological features can be found in vitreous samples from diabetic patients. Analysis of vitrectomy samples may serve as a tool for diabetes management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,298
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of OphthalmologyMême sujetRetinal and Optic ConditionsTravaux en français237 207