Quantifying the Progression of Stargardt Disease in Double-Null ABCA4 Carriers Using Fundus Autofluorescence Imaging
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
Purpose: To score real-world fundus autofluorescence (FAF) images of pediatric patients with ABCA4-related Stargardt disease (STGD1), in a way that is automatable, scales with the disease progression, and is applicable to a wide time interval in the natural history of the disease. Methods: We developed the score based on a series of Optos wide-field FAF images of pediatric STGD1 patients (73 images; 14 individuals) and controls (27 images; 8 individuals). The patients' images were obtained over up to 6 years, and the controls over up to 5 years. In each image, we manually selected an artifact-free region, within which we evaluated an average of the pixel-level intensity score, constructed so that the average increases with progression of the disease. Results: The score we propose provides a statistically robust measure of disease progression (91% Spearman correlation with the absolute age, 97% with the estimated time from onset, when averaged over both eyes), comparable across timepoints and patients. Conclusions: FAF is a reliable tool in STGD1 diagnostics, but its quantitative description must be modified to be applicable to tracking the disease progression. Analyzing images obtained in the course of clinical care of pediatric patients poses special challenges that make complete automation difficult. Translational Relevance: Our methodology provides a quantitative tool for investigating the natural progression of the Stargardt disease, and, potentially, the effects of genotype, environment, and therapeutic intervention on its course.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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