MétaCan
Menu
Retour à la cohorte
Enregistrement W3207488428 · doi:10.3390/life11101104

The Pupillary Light Reflex as a Biomarker of Concussion

2021· article· en· W3207488428 sur OpenAlexaff
Frederick Robert Carrick, Sergio F. Azzolino, Melissa Hunfalvay, Guido Pagnacco, Elena Oggero, Ryan C.N. D’Arcy, Mahera Abdulrahman, Kimio Sugaya

Notice bibliographique

RevueLife · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMigraine and Headache Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPupillary light reflexConcussionPupillometryReflexMedicinePupillary responseBiomarkerPupilPupil sizeHead injuryTraumatic brain injuryPupillary reflexAudiologyPoison controlInternal medicinePsychologyInjury preventionSurgeryNeurosciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

The size of our pupils changes continuously in response to variations in ambient light levels, a process known as the pupillary light reflex (PLR). The PLR is not a simple reflex as its function is modulated by cognitive brain function and any long-term changes in brain function secondary to injury should cause a change in the parameters of the PLR. We performed a retrospective clinical review of the PLR of our patients using the BrightLamp Reflex iPhone app. The PLR variables of latency, maximum pupil diameter (MaxPD), minimum pupil diameter (MinPD), maximum constriction velocity (MCV), and the 75% recovery time (75% PRT) were associated with significant differences between subjects who had suffered a concussion and those that had not. There were also significant differences in PLR metrics over the life span and between genders and those subjects with and without symptoms. The differences in PLR metrics are modulated not only by concussion history but also by gender and whether or not the person has symptoms associated with a head injury. A concussive injury to the brain is associated with changes in the PLR that persist over the life span, representing biomarkers that might be used in clinical diagnosis, treatment, and decision making.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,031
Tête enseignante GPT0,334
Écart entre enseignants0,303 · 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'étudeObservationnel
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

Citations38
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLifeMême sujetMigraine and Headache StudiesTravaux en français237 207