Remote patient monitoring of central retinal function with MACUSTAT <sup>®</sup> : A multi-modal macular function scan
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
Introduction: There is significant unmet need for patient-centric remote monitoring of visual function for chronic retinal diseases, as demonstrated by the COVID-19 pandemic. The Macustat® central retinal function scan is a novel cloud-based digital health application for remote monitoring. The aim of this study is to assess the efficacy of the Macustat® compared to traditional in-office retinal evaluations. Materials and methods: Patients with underlying macular pathology underwent office-based retinal and visual acuity examinations and OCT macula imaging followed by remote tele-monitoring assessment with the Macustat. Central visual function was assessed with the multi-modal Macustat test using dynamic virtual Amsler grid testing, hyperacuity perimetry and visual acuity testing. The results were compared to the findings of the in-office comprehensive retina exam and OCT evaluation. Results: The foveal acuity potential registered with the Macustat test showed high correlation with the office Snellen acuity potential 96% of eyes registered Macustat acuity within 0.2 LogMAR of office acuity measurement. In Wet AMD eyes with CNV pathology documented on OCT, the Macustat foveal function scan showed a corresponding abnormality in 89% of any CNV eyes and 100% of all visually significant CNV. In normal eyes without any visually significant edema or CNV, more than 92% showed corresponding normal retinal function scan. Conclusion: The Macustat demonstrates high concordance with clinical findings using traditional diagnostic devices. Home monitoring with the Macustat® may offer complementary clinical utility as a telehealth tool for the assessment of visual acuity and macular function in patients at high risk for macular disease.
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 | 0,000 |
| 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