Wide-field optical coherence tomography imaging in diabetic retinopathy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To report the individual retinal layer thicknesses up to mid-equator in patients with diabetic retinopathy (DR) using Spectralis (Heidelberg Engineering, Heidelberg, Germany) wide-field optical coherence tomography (OCT). METHODS: Retinal layers were segmented using a custom designed semi-automated algorithm, where reference points were marked by the examiner to enable software to automatically compute the thickness values of each retinal sublayer at an interval of 1 mm from reference points. The values of individual retinal thicknesses in eyes with varying severity of DR were compared with the values of healthy subjects. Generalized estimating equation was performed to compensate for inclusion of both eyes of patients. RESULTS: A total of 64 patients (119 eyes) with a mean age of 68.97 ± 10.27 years were included. Overall, ganglion cell layer (GCL)/ inner plexiform layer (IPL) complex (-31.67 microns, p < 0.001), outer plexiform layer (-6.78 microns, p = 0.002) and photoreceptor layer (-22.90 microns, p < 0.001) showed significant thinning, while outer nuclear layer thickening ( + 68.19 microns, <0.001) was noted in eyes with DM compared to healthy subjects. Thickness changes were significantly more in the macular segment compared to nasal and temporal segments. GCL/ IPL complex and photoreceptor layers were found to be significantly thin in all grades of DR. CONCLUSION: Retinal thicknesses vary significantly in patients with diabetic retinopathy and understanding patterns of these changes across different segments of the wide field OCT may help better elucidate the natural progression of the disease in terms of retinal anatomy.
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.
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 | 0,000 | 0,001 |
| 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 découle