Near-infrared video: A technique for dynamic documentation of vitreous floaters
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 The purpose of this study is to describe a technique using near-infrared (NIR) video for the diagnosis and documentation of symptomatic floaters. Methods Subjects with symptomatic floaters were identified through electronic case notes review, in which there was a primary diagnosis of floaters, secondary to PVD or syneresis. The presence of vitreous floaters was evaluated with both 30 °NIR or fundus autofluorescence images and short, dynamic 30°NIR videos, in which subject is asked to briefly look away and refixate on the target. Three retinal specialists assessed both unseen still images and videos to determine the presence or absence of vitreous floaters. Group descriptive statistics and inter/interobserver percentage agreement were calculated using SPSS. Results Ninety-three eyes from 51 subjects (30 males and 21 females, mean age (±SD) 54 ± 14.7 years and baseline visual acuity 0.13 ± 0.49) were analysed. An underling diagnosis of PVD was noted in 31 eyes and syneresis in 62 eyes. Floaters were observed in 43% of the still images versus 96% of videos. Interrater agreement was 0.75 for still images and 0.96 for videos. Intraobserver agreement was 0.84-0.96 for still images and 1.0 for videos. Conclusions Dynamic NIR video is an objective imaging test for the detection and recording of floaters in symptomatic patients, demonstrating both superior interobserver and intraobserver test-retest reliability to static fundal imaging. This technique helps visualize and assess symptomatic vitreous floaters, offering objective documentation of their presence or absence. It aids in pre-operative decisions, patient education, and post-operative comparisons.
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 | 0,000 |
| 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 découle