Evaluation of Dry Eye Disease in Children With Systemic Lupus Erythematosus and Healthy Controls
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
PURPOSE: To compare the symptoms and signs of dry eye disease (DED) in children with systemic lupus erythematosus (SLE) with those in healthy children using common diagnostic tools. METHODS: Prospective, observational, single-center cohort study. Thirty-four subjects with SLE and 15 healthy subjects were recruited from the Hospital for Sick Children in Toronto, Canada. Subjects underwent subjective and objective dry eye assessments using the Canadian Dry Eye Assessment (CDEA) questionnaire, tear film osmolarity, slit lamp examination, tear film break-up time, corneal fluorescein staining, Schirmer test 1, and conjunctival lissamine green staining. RESULTS: No difference in symptoms was found between children with SLE and healthy children (CDEA score 6.4 ± 5.4 vs. 3.8 ± 3.2; P = 0.09). Corneal staining was more prevalent in children with SLE than in healthy children (58.8% vs. 20.0%; P = 0.01), and children with SLE had higher mean corneal fluorescein staining scores (1.7 ± 1.7 vs. 0.2 ± 0.4; P = 0.002). No statistically significant differences in tear osmolarity, inter-eye differences in tear osmolarity, tear film break-up time, Schirmer test 1, or lissamine green staining scores were observed between the 2 groups. In healthy children, CDEA scores weakly correlated with corneal fluorescein staining score (r = 0.53, P = 0.04). In children with SLE, no correlation between CDEA score and any of the diagnostic test outcomes was found. CONCLUSIONS: There is discordance between symptoms and signs of DED in children with SLE. Corneal fluorescein staining is essential for the diagnosis of DED in these children.
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