Vection Responses in Patients With Early Glaucoma
Notice bibliographique
Résumé
PURPOSE: Our lab has previously shown that patients with early glaucoma have longer vection latencies than controls. We attempted to explain this finding using a combined index of structure and function (CSFI), as proposed by Medeiros and colleagues. The CSFI estimates the proportion of retinal ganglion cell loss. METHODS: Roll and circular vection were evoked using a back-projected screen (experiment 1) and the Oculus Rift system (experiment 2). Vection latency and duration were measured using a button response box. In experiment 1, tilt angles were measured with a tilt sensor, whereas subjective tilt was determined using a joystick attached to a protractor. In experiment 2, subjective vection strength was rated on a 1 to 10 scale. These measurements were compared with the CSFI, which utilizes visual field and optical coherence tomography data. RESULTS: For experiment 1 we tested 22 patients (mean age, 70.3±6 y) with glaucoma and 18 controls (mean age, 54.6±9 y); and for experiment 2 we tested 24 patients (mean age, 71.1 ±5 y) and 23 controls (mean age 61.4±10 y), but not all patients experienced vection. In both experiments, vection latency was significantly longer for patients than for controls (smallest P=0.02). The CSFI was not related to vection latency, duration, or objective and subjective measures of vection strength (smallest P=0.06) in either experiment. CONCLUSIONS: Two experiments have replicated the finding that vection responses are longer in patients with glaucoma than in controls; however, the CSFI is not related to vection responses.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».