MétaCan
Menu
Retour à la cohorte
Enregistrement W4294668673 · doi:10.1093/brain/awac317

The use of optical coherence tomography in neurology: a review

2022· review· en· W4294668673 sur OpenAlexaff
Jim Shenchu Xie, Laura Donaldson, Edward Margolin

Notice bibliographique

RevueBrain · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCerebral Venous Sinus Thrombosis
Établissements canadiensUniversity of TorontoMcMaster University
Organismes subventionnairesnon disponible
Mots-clésOptical coherence tomographyGanglionMedicineRetinalNerve fiber layerOptic nerveGanglion cell layerNeuroscienceRetinaRetinal ganglion cellOptic neuropathyPathologyAtrophyOphthalmologyAnatomyBiology

Résumé

récupéré en direct d'OpenAlex

Optical coherence tomography is a non-invasive, cost-efficient technique that provides high-resolution in vivo imaging of retinal tissue. The peripapillary retinal nerve fibre layer and macular ganglion cell complex are surrogate markers of neuroaxonal integrity in not only the eye, but also the CNS. Retinal atrophy may occur in tandem with CNS pathologies as a result of injury to ganglion cells, direct degeneration of the pregeniculate pathway, or retrograde trans-synaptic degeneration secondary to postgeniculate lesions. In this review, we outline the basic principles of optical coherence tomography and discuss its application to managing patients with demyelinating disorders, idiopathic intracranial hypertension, stroke, neurodegenerative conditions, and mitochondrial disorders. We demonstrate that measurements of peripapillary retinal nerve fibre layer and macular ganglion cell complex thickness are paramount in diagnosing and monitoring neurological disorders, including those with subclinical disease progression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,353
Écart entre enseignants0,229 · 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 tête enseignante, 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
GenreSynthèse

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

En bref

Citations59
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetCerebral Venous Sinus ThrombosisTravaux en français237 207