Effects of Tear Film Instability on Sensory Responses to Corneal Cold, Mechanical, and Chemical Stimuli
Notice bibliographique
Résumé
Purpose: To investigate the effects of tear film instability (TFI) induced by sustained tear exposure (STARE) on sensory responses to corneal cold, mechanical, and chemical stimuli. Methods: Fifteen normal subjects were enrolled. TFI was induced during 10 repeated trials of STARE. Pneumatic cold, mechanical, and chemical stimuli were delivered using a computer-controlled Belmonte esthesiometer on three separate visits. The magnitude of the sensory responses to threshold and suprathreshold (1.25 and 1.50 times threshold levels) stimuli were assessed for intensity, coolness or warmness, irritation and pain, using a 0 (none) to 100 (very strong) scale, before and after STARE trials. Symptoms of ocular discomfort were evaluated using the Current Symptom Questionnaire (CSQ). Repeated measures ANOVA was used for data analysis. Results: Following STARE trials, the intensity and coolness ratings to cooling stimuli decreased (P = 0.043 and 0.044 for intensity and coolness, respectively), while rated irritation to mechanical stimuli was increased (P = 0.024). The CSQ scores also increased regardless of visits (all P < 0.001). Intensity ratings, coolness to room temperature stimuli and irritation to mechanical and chemical stimuli increased for all suprathreshold stimuli with increasing stimulus levels (P ≤ 0.005). Conclusions: Repeated TFI induced by STARE affects neurosensory function of the ocular surface. The decrease in reports of cooling and increase in irritation after repeated TFI suggest a complex interaction of neural mechanisms (particularly nonnociceptive cold and nociceptive mechanical) giving rise to ocular surface sensation in humans.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».