Near-infrared video: A technique for dynamic documentation of vitreous floaters
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».