Evaluation of Eye-Pain Severity between Dry-Eye Subtypes
Notice bibliographique
Résumé
The aim of this study was to assess eye pain between dry eye (DE) subtypes using questionnaires and the PainVision® (Osachi) apparatus. This study involved 52 eyes of 52 DE patients with eye pain (43 females and 9 males; mean age: 64.2 ± 13.2 (mean ± SD) years) who were classified into three DE subtypes (aqueous deficient DE (ADDE); decreased wettability DE (DWDE); and increased evaporation DE (IEDE)) based on fluorescein breakup pattern. In all subjects, severity of eye pain was evaluated using PainVision®, the DE-symptom-questionnaire visual analog scale (DSQ-VAS), and the Short-Form McGill Pain Questionnaire 2 (SF-MPQ-2). The severity of eye pain was compared between the three DE subtypes. PainVision® findings revealed greater severity of eye pain in ADDE and DWDE than in IEDE (p < 0.05, respectively), despite no difference being found in each questionnaire. A significant correlation was found between eye pain in DSQ-VAS and continuous pain, intermittent pain, neuropathic pain, and total pain in SF-MPQ-2 (R = 0.50, 0.49, 0.47, and 0.56, respectively) (all: p < 0.001). Greater severity of eye pain was found in ADDE and DWDE than in IEDE, and PainVision® was found useful for the objective assessment of eye pain.
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 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 | 0,001 | 0,006 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».