MétaCan
Menu
← Retour à la cohorte
Enregistrement W4235047273 · doi:10.3410/f.718059802.793491020

Faculty Opinions recommendation of Subgrouping of primary angle-closure suspects based on anterior segment optical coherence tomography parameters.

2014· dataset· en· W4235047273 sur OpenAlexaff
Marcelo T. Nicolela

Notice bibliographique

RevueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature · 2014
Typedataset
Langueen
DomaineMedicine
ThématiqueGlaucoma and retinal disorders
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésOptical coherence tomographyHierarchical clusteringAkaike information criterionCluster analysisBiometricsGonioscopyStatisticsMixture modelRedundancy (engineering)Pattern recognition (psychology)MedicineMathematicsArtificial intelligenceOphthalmologyComputer scienceGlaucoma

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To identify subgroups of primary angle-closure suspects (PACS) based on anterior segment optical coherence tomography (AS-OCT) and biometric parameters.DESIGN: Cross-sectional study.PARTICIPANTS: We evaluated 243 PACS subjects in the primary group and 165 subjects in the validation group.METHODS: Participants underwent gonioscopy and AS-OCT (Carl Zeiss Meditec, Dublin, CA). Customized software (Zhongshan Angle Assessment Program, Guangzhou, China) was used to measure AS-OCT parameters. An agglomerative hierarchical clustering method was first used to determine the optimum number of parameters to be included in the determination of subgroups. The best number of subgroups was then determined using Akaike Information Criterion (AIC) and Gaussian Mixture Model (GMM) methods.MAIN OUTCOME MEASURES: Subgroups of PACS.RESULTS: The mean age of the subjects was 64.8 years, and 65.02% were female. After hierarchical clustering, 1 or 2 parameters from each cluster were chosen to ensure representativeness of the parameters and yet keep a minimum of redundancy. The parameters included were iris area, anterior chamber depth (ACD), anterior chamber width (ACW), and lens vault (LV). With the use of GMM, the optimal number of subgroups as given by AIC was 3. Subgroup 1 was characterized by a large iris area, subgroup 2 was characterized by a large LV and a shallow ACD, and subgroup 3 was characterized by elements of both subgroups 1 and 2. The results were replicated in a second independent group of 165 PACS subjects.CONCLUSIONS: Clustering analysis identified 3 distinct subgroups of PACS subjects based on AS-OCT and biometric parameters. These findings may be relevant for understanding angle-closure pathogenesis and management.Copyright © 2013 American Academy of Ophthalmology. Published by Elsevier Inc. All rights reserved. PMID: 23916486

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)0,005
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,189

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0570,028

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 Opus0,024
Tête enseignante GPT0,313
Écart entre enseignants0,290 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature→Même sujetGlaucoma and retinal disorders→Travaux en français237 207→