Understanding Patterns of Preserved Retinal Ganglion Cell Layer in Advanced Glaucoma as Seen With Optical Coherence Tomography
Notice bibliographique
Résumé
PRÉCIS: Using optical coherence tomography (OCT), eyes with advanced glaucoma were found to have a wide range of patterns of damage that were consistent with the natural history of progression based on a model of macular progression. PURPOSE: To understand the patterns of preserved retinal ganglion cells in eyes with advanced glaucoma using OCT and a model of progression of the central macula. METHODS: OCT GCL thickness was measured in 94 eyes with advanced glaucoma, defined as glaucomatous eyes with a 24-2 MD (mean deviation) worse than -12 dB. A commercial report supplied the GCL thickness in 6 sectors of the thick, donut-shaped GCL region around the fovea. For each eye, the 6 sectors were coded as green (within normal limits, WNL), yellow (≤5th, ≥1st percentile), or red (<1st percentile). RESULTS: In all 94 eyes, one or more of the 6 sectors of the donut were abnormal (red or yellow), while all 6 sectors were red in 52 (55%) of the eyes. On the other hand, 33 eyes had one or more sectors WNL (green). While the pattern of donut damage varied widely across these 33 eyes, 61 of the 66 hemiretinas were consistent with a temporal-to-nasal progression of damage within each hemiretina as predicted by our model. CONCLUSIONS: All eyes with advanced glaucoma had damage to the critically important central, donut-shaped GCL region. This region showed a wide range of patterns of damage, but these patterns were consistent with the natural history of progression based on a model of macular progression. These results have implications for the clinical identification of macular progression, as well as for inclusion criteria for clinical trials seeking to preserve central macular function.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».