MétaCan
Menu
Retour à la cohorte
Enregistrement W3036936097 · doi:10.1167/tvst.9.7.21

Quantification of RPE Changes in Choroideremia Using a Photoshop-Based Method

2020· article· en· W3036936097 sur OpenAlexaff
Yi Zhai, Manlong Xu, Ioannis Dimopoulos, David G. Birch, Paul S. Bernstein, Jenny Holt, David H. Kirn, Peter J. Francis, Ian M. MacDonald

Notice bibliographique

RevueTranslational Vision Science & Technology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Diseases and Treatments
Établissements canadiensUniversity of OttawaUniversity of Alberta
Organismes subventionnairesNational Eye Institute
Mots-clésChoroideremiaIntraclass correlationOphthalmologyMedicineRetinal pigment epitheliumReliability (semiconductor)Confidence intervalRetinalInternal medicine

Résumé

récupéré en direct d'OpenAlex

Purpose: To develop a reliable and efficient method for quantifying the area of preserved retinal pigment epithelium (RPE), facilitating the evaluation of disease progression or response to therapy in choroideremia (CHM). Methods: The fundus autofluorescence images of CHM patients were captured at baseline and 1 year. A Photoshop-based method was developed to allow the reliable measurement of the RPE area. The results were compared with measurements generated by the Heidelberg Eye Explorer 2 (HEYEX2). The areas measured by two independent graders were compared to assess the test-retest reliability. Results: annually, and a percentage of 8.39% ± 5.24%. The average standard deviations for Photoshop were less than that for HEYEX2 (0.5-1.1 in grader 1; 0.4-1.6 in grader 2), indicating less intragrader variability. The RPE decrease as determined by the Photoshop-based method showed excellent reliability with an intraclass correlation coefficient of 0.944 (95% confidence interval, 0.907-0.966). In Bland-Altman plots, the Photoshop method also exhibited better intergrader agreement. Conclusions: Photoshop-based quantification of preserved RPE area in patients with CHM is feasible and has better test-retest reliability compared with the HEYEX2 method. Translational Relevance: An accurate quantification method for longitudinal RPE change in CHM patients is an important tool for the evaluation of efficacy in any therapeutic trials.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,076
Tête enseignante GPT0,422
Écart entre enseignants0,346 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTranslational Vision Science & TechnologyMême sujetRetinal Diseases and TreatmentsTravaux en français237 207