MétaCan
Menu
Retour à la cohorte
Enregistrement W3013925481 · doi:10.1007/s00592-020-01506-8

Fundamental principles of an effective diabetic retinopathy screening program

2020· review· en· W3013925481 sur OpenAlexafffund
Paolo Lanzetta, Valentina Sarao, Peter H. Scanlon, Jane Barratt, Massimo Porta, Francesco Bandello, Anat Loewenstein

Notice bibliographique

RevueActa Diabetologica · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueRetinal Diseases and Treatments
Établissements canadiensInternational Federation on Ageing
Organismes subventionnairesLunds UniversitetUniversità degli Studi di UdineInternational Council of OphthalmologySchool of Medicine, Kyorin UniversityInselspital, Universitätsspital BernHacettepe ÜniversitesiUniversità degli Studi di MilanoUniversity of TorontoWorld Health Organization
Mots-clésMedicineDiabetic retinopathyGrading (engineering)BlindnessAccreditationOptometryQuality assuranceEye examinationFamily medicineOphthalmologyDiabetes mellitusMedical educationPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diabetic retinopathy (DR) is the leading cause of blindness among working-age adults worldwide. Early detection and treatment are necessary to forestall vision loss from DR. METHODS: A working group of ophthalmic and diabetes experts was established to develop a consensus on the key principles of an effective DR screening program. Recommendations are based on analysis of a structured literature review. RESULTS: The recommendations for implementing an effective DR screening program are: (1) Examination methods must be suitable for the screening region, and DR classification/grading systems must be systematic and uniformly applied. Two-field retinal imaging is sufficient for DR screening and is preferable to seven-field imaging, and referable DR should be well defined and reliably identifiable by qualified screening staff; (2) in many countries/regions, screening can and should take place outside the ophthalmology clinic; (3) screening staff should be accredited and show evidence of ongoing training; (4) screening programs should adhere to relevant national quality assurance standards; (5) studies that use uniform definitions of risk to determine optimum risk-based screening intervals are required; (6) technology infrastructure should be in place to ensure that high-quality images can be stored securely to protect patient information; (7) although screening for diabetic macular edema (DME) in conjunction with DR evaluations may have merit, there is currently insufficient evidence to support implementation of programs solely for DME screening. CONCLUSION: Use of these recommendations may yield more effective DR screening programs that reduce the risk of vision loss worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,034
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,181

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,001
Études des sciences et des technologies0,0030,005
Communication savante0,0040,003
Science ouverte0,0030,005
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,375
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueActa DiabetologicaMême sujetRetinal Diseases and TreatmentsTravaux en français237 207