Comparison of Goldmann applanation and Ocular Response Analyser tonometry: intraocular pressure agreement and patient preference
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the agreement between Goldmann applanation tonometry (GAT) and Ocular Response Analyser (ORA) intraocular pressure (IOP) measurements, and patients' preferences. METHODS: Both eyes of participants in the 'Glaucoma within the Northern Ireland Cohort for the Longitudinal Study of Ageing' (GwNICOLA) were included. Participants underwent GAT by a glaucoma expert and ORA tonometry in a random order. Investigators were masked to measurements between devices. Participants were asked which tonometer, if any, they would prefer. We estimated the 95% limits of agreement (95% LoA) and the variables that influence agreement between tonometers. RESULTS: There were 228 eyes of 120 participants included in this study. Mean age of participants was 68.0 years (SD 8.79) and 52.5% were female. For GAT-ORA IOPcc the mean difference with GAT (95% CI) was -0.23 mmHg (-0.57 mmHg, 0.11 mmHg) and the 95% LoA (95% CIs) were from 4.82 mmHg (5.15 mmHg, 4.48 mmHg) to -5.28 mmHg (-5.61 mmHg, -4.94 mmHg). 40.8% of eyes had an IOP difference of 2 mmHg or more between GAT and ORA IOPcc. Corneal resistance factor (CRF) as estimated by ORA influenced the agreement between GAT and ORA IOPcc. There were no differences in preference for method of tonometry. CONCLUSIONS: Although ORA IOPcc measurements with ORA did not show significant bias compared with GAT, the relatively large proportion of measurement differences between ORA IOPcc and GAT that were >2 mmHg indicates that GAT and ORA IOP measurements may not be interchangeable. There were no differences in preference for method of tonometry.
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.
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 découle