Value of medical history in ophthalmology: A study of diagnostic accuracy
Notice bibliographique
Résumé
PURPOSE: This study aimed to demonstrate the value of the chief compliant and patient history to accurately diagnose patient pathology without requiring ocular examination or imaging in an outpatient neuro-ophthalmology clinic. METHODS: We prospectively evaluated 115 consecutive patients at our institution from January to April 2009. The attending neuro-ophthalmologist committed to a single most likely diagnosis while solely being exposed to patient demographic information (age, gender, race) and chief complaint, but was otherwise blinded to ocular examination or imaging. The validity of the initial diagnosis was assessed by further acquiring subjective and objective findings and the percentage of correct diagnoses was determined. RESULTS: Patient cases were categorized based on the neuro-ophthalmologic localization of the final diagnoses: afferent nervous system, central nervous system (CNS), efferent nervous system, orbital system, and pupillary system. Correct diagnoses by chief complaint and patient history were 84%, 100%, 86%, 80%, 50% and 100% for afferent, central, efferent, orbit, pupil, and other neuro-ophthalmic diseases, respectively. Over half the cases were correctly diagnosed by chief complaint alone, which improved to 88% when combined with the patient history. CONCLUSIONS: A simple combination of patient history and chief complaint predicts an overall diagnostic accuracy in approximately 90% of cases. Our study demonstrates the remarkable diagnostic value of patient history in neuro-ophthalmologic clinic practice.
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 | 0,005 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».