MétaCan
Menu
Retour à la cohorte
Enregistrement W4402324376 · doi:10.1142/s2737416524500522

A Computational Biophysical Model for Use in Ophthalmology

2024· article· en· W4402324376 sur OpenAlexaff
Saul Goldman

Notice bibliographique

RevueJournal of Computational Biophysics and Chemistry · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSpaceflight effects on biology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésOphthalmologyComputer scienceOptometryMedicine

Résumé

récupéré en direct d'OpenAlex

Despite their use in ophthalmology for more than a century, there are no fundamental biophysical models that account for the dissolution rate of intra-ocular gas bubbles in vivo, as a function of their initial size and composition. Any physical model that reliably predicts the evolution of these bubbles would be extremely useful for planning treatment, by predicting their size over time, and their periods of clinical usefulness. A fundamental, computational, biophysical model is developed here with these purposes in mind. The model is fundamental in the sense that the underlying rate equations are derived using linear response theory, wherein the driving force is a solute chemical potential difference. It is computational because the rate equations for the bubble volume and composition are fully coupled and must be integrated numerically and simultaneously. It was rendered clinically relevant by fitting its two adjustable parameters (two rate constants) to recently acquired live human eye data on intra-ocular air bubble dissolution rates. The model consists of an explicitly four-component, dome-shaped gas bubble, comprised of N2, O2, H2O and CO2, which exchanges N2 and O2 with circulating venous blood in the capillaries of the eye. The calibrated model provided an excellent fit to the available data, and interpolated nicely through three points not used for the calibration. It was used to show that by selecting different N2/O2 ratios in the initially injected gas, one can generate intra-ocular gas bubbles with significantly different predicted periods of clinical usefulness. This potentially useful predictive capability does not exist in current clinical practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,024
Tête enseignante GPT0,312
Écart entre enseignants0,288 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computational Biophysics and ChemistryMême sujetSpaceflight effects on biologyTravaux en français237 207