Microperimetry as an Outcome Measure in Choroideremia Trials: Reproducibility and Beyond
Notice bibliographique
Résumé
PURPOSE: To determine test-retest repeatability of microperimetry testing (MP) in choroideremia (CHM) subjects using standard and personalized stimulus grids. METHODS: Fifteen CHM subjects (28 eyes) underwent consecutive repeat examinations with the Macular Integrity Assessment (MAIA) microperimeter using a standard (10°) and a customized macular grid adapted to individual macular pathology. Repeatability of standard-grid mean (MS) and point-wise (PWS) sensitivity was determined and compared with age-matched controls (seven eyes), with PWS separately analyzed for loci within and outside the border of degeneration. Interpolated volumetric indices were used to estimate repeatability of customized grids and compare their performance to standard grids. RESULTS: Test-retest measures of standard-grid MS yielded higher coefficients of variation (CV) in CHM subjects compared with controls (0.09 vs. 0.02). Volumetric indices from customized grids improved repeatability by driving CV values to 0.05 and close to 0.02 for region-of-interest (ROI) analysis. Variability of PWS was significantly higher in CHM, especially at the border of degeneration (10.68 vs. 4.74 dB at the central retina, P < 0.001). CONCLUSIONS: Microperimetry testing in CHM shows high test-retest variation at the border of degeneration, which influences repeatability of MS measures. Volumetric measures from customized grids can improve reliability of both global and regional sensitivity assessment. Nevertheless, inherent test-retest variation of individual points needs to be taken into account when assessing potential functional decline and/or disease progression.
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 | 0,038 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».