MétaCan
Menu
Retour à la cohorte
Enregistrement W2807856904 · doi:10.2174/1874364101812010104

Comparison of Dynamic Contour Tonometry and Non-contact Tonometry in Older Patients Presenting with Headache or Vision Loss

2018· article· en· W2807856904 sur OpenAlexaff
Edsel Ing, Angela Zhang, Evan Michaelov, Wendy Wang

Notice bibliographique

RevueThe Open Ophthalmology Journal · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCorneal surgery and disorders
Établissements canadiensWestern UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineOphthalmologyOptometry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Dynamic Contour Tonometry (DCT) is touted to be the most accurate tonometer for Intraocular Pressure (IOP) measurement. Non-Contact "air puff" Tonometry (NCT) may be the most commonly used tonometer for screening of IOP. Elevated IOP is important to exclude in patients presenting with headache or vision loss. OBJECTIVE: To determine the agreement between DCT and NCT. METHODS: The IOP of adult patients 50 years of age or older presenting with headache or vision loss for possible temporal artery biopsy were prospectively recorded. NCT and DCT measurements were obtained within thirty minutes. The right eye IOP measurements were compared with paired t-test, and Bland- Altman plot analysis. The left eye IOP measurements were subsequently analyzed for confirmation of results. RESULTS: There were 106 subjects with complete right eye data, and 104 subjects with complete left eye data. The average age was 72 years, and 70% were female. The NCT IOP was on average 3.9 mm Hg lower in the right eye, and 3.5 mm Hg lower in the left eye compared with DCT. (p<.001) In the right eye the Bland-Altman analysis showed the 95% agreement interval between the two tonometers was -2.5 to 10.4 mmHg and in the left eye -3.0 to 9.9 mmHg. CONCLUSION: The IOP from NCT and DCT should not be used interchangeably because their level of disagreement includes clinically important discrepancies of up to 10 mm Hg.

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)0,007
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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,033
Tête enseignante GPT0,384
Écart entre enseignants0,350 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Open Ophthalmology JournalMême sujetCorneal surgery and disordersTravaux en français237 207