A Data-Driven Model for Simulating Longitudinal Visual Field Tests in Glaucoma
Notice bibliographique
Résumé
Purpose: To develop a simulation model for glaucomatous longitudinal visual field (VF) tests with controlled progression rates. Methods: Longitudinal VF tests of 1008 eyes from 755 patients with glaucoma were used to learn the statistical characteristics of VF progression. The learned statistics and known anatomic correlations between VF test points were used to automatically generate progression patterns for baseline fields of patients with glaucoma. VF sequences were constructed by adding spatially correlated noise templates to the generated progression patterns. The two one-sided test (TOST) procedure was used to analyze the equivalence between simulated data and data from patients with glaucoma. VF progression detection rates in the simulated VF data were compared to those in patients with glaucoma using mean deviation (MD), cluster, and pointwise trend analysis. Results: VF indices (MD, pattern standard deviation), MD linear regression slopes, and progression detection rates for the simulated and patients' data were practically equivalent (TOST P < 0.01). In patients with glaucoma, the detection rates in 7 years using MD, cluster, and pointwise trend analysis were 24.4%, 26.2%, and 38.4%, respectively. In the simulated data, the mean detection rates (95% confidence interval) for MD, cluster, and pointwise trend analysis were 24.7% (24.1%-25.2%), 24.9% (24.2%-25.5%), and 35.7% (34.9%-36.5%), respectively. Conclusions: A novel simulation model generates glaucomatous VF sequences that are practically equivalent to longitudinal VFs from patients with glaucoma. Translational Relevance: Simulated VF sequences with controlled progression rates can support the evaluation and optimization of methods to detect VF progression and can provide guidance for the interpretation of longitudinal VFs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».