Value of saccadic latency as a diagnostic tool for multiple sclerosis
Notice bibliographique
Résumé
Background Multiple sclerosis (MS) is a chronic and progressive autoimmune disorder that affects the Central Nervous System (CNS). MS is a clinical diagnosis that is confirmed by MRI, visual evoked potentials, and CSF examination. The objective of the current review and meta-analysis is to evaluate the value of saccadic eye movement abnormalities – particularly saccadic latency – as a diagnostic tool for Multiple Sclerosis. Methods We searched the literature in MEDLINE, PubMed, Web of Science and Cochrane Library from 1 st January 1998, through 1 st September 2018. Published studies of adult patients who are diagnosed with MS and had VOR testing including saccadic eye movement test, and reporting saccadic latency. We calculated pooled mean differences (MD) and 95% confidence intervals (CI) using a random-effects model for latencies in milliseconds (ms) between MS patients and normal controls. The considerable heterogeneity decided the effect model. Results Five studies m et al l inclusion criteria. MS patients had a significantly longer saccadic latency compared to the control group, with 135 MS cases and 126 controls, were included in this meta-analysis. The results indicated that there is a significant increase in saccadic latency in the MS group (MD = 31.99, 95% CI = 14.08, 49.90, p = .0005). Conclusion Based on current evidence from published studies, Saccadic latency can serve as a diagnostic tool to support the clinical diagnosis of MS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,018 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».