Ocular surface parameters repeatability and agreement —A comparison between Keratograph 5M and IDRA
Notice bibliographique
Résumé
PURPOSE: To evaluate the repeatability and agreement in dry eye measurements using Oculus Keratograph 5M (K5M) and SBM Sistemi IDRA (IDRA). METHODS: A total of 108 participants were enrolled and 108 eyes were evaluated. Tear meniscus height (TMH) and first and average non-invasive break-up time (NIBUT) were measured using the K5M and IDRA (order randomly assigned). TMH was measured using the built-in caliper tool while NIBUT was computed by the automatic algorithm of the instruments. RESULTS: The Bland Altman plots analysis showed a good agreement between the two instruments for TMH (95 % Limits of Agreement (LoA), -0.17 to 0.16), but not the first NIBUT (95 % LoA, -8.13 to 14.79) and average NIBUT (95 % LoA, -7.89 to 10.32). The values of the first and average NIBUT measured using IDRA were significantly shorter than in K5M (difference = median (IQR) -2.75 (-6.48- -0.28)s, p < 0.001 and difference = median (IQR) -1.65 (-3.97-1.89)s, p = 0.008 respectively). The TMH (p = 0.037) and NIBUT average (p = 0.033) measured by K5M, as well as the TMH (p = 0.040) measured by IDRA, exhibited unstable measurements across the three measurement times. The remaining parameters exhibited stability with three repeated measurements. CONCLUSION: The NIBUT measurements are not interchangeable between IDRA and K5M, while the TMH was little difference between the two instruments. It is important to exercise caution when using different ocular surface analyzers to minimize errors in comparing multiple measurements.
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 | 0,000 | 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 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 ».