Novel Ocular Thermography Metrics for Dry Eye Screening
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: This study investigated the efficacy of automated ocular thermography metrics for the screening of dry eye disease (DED). Methods: This was a prospective study that enrolled 20 participants with DED, sex- and age-matched to 20 non-DED controls. Ocular Surface Disease Index (OSDI), Dry Eye Questionnaire-5 (DEQ5), noninvasive tear-break-up time (NITBUT), tear meniscus height (TMH), meibomian gland dysfunction (MGD) score, and corneal staining were measured in a screening visit. The DED group was defined as: OSDI score of ≥13 or DEQ-5 score of ≥6, and DED signs in at least one eye (corneal/conjunctival/lid margin staining, NITBUT <5 seconds, tear film osmolarity ≥308 miliosmoles [mOsm]/L). Thermography recording of the ocular surface (natural blinking over a period of 30 seconds) was conducted the next day, and the thermal cooling rate and thermal interblink interval (IBI) were derived. Results: Thermal IBI was significantly shorter in the DED group compared to the non-DED group (P = 0.034). The thermal cooling rate was significantly faster in the DED group (P = 0.047). Thermal IBI significantly correlated with DEQ5 (r = -0.37, P = 0.025) and OSDI (r = -0.37, P = 0.026). The thermal cooling rate significantly correlated with DEQ5 (r = -0.39, P = 0.022) and OSDI (r = -0.36, P = 0.036). The best discrimination was achieved by combining the thermal cooling rate and TMH, with an area under the curve (AUC) = 0.80 (sensitivity = 0.87 and specificity = 0.63). Conclusions: The thermal IBI and thermal cooling rate were significant predictors of DED, suggesting the utility of ocular thermography for DED screening. Translational Relevance: Automated ocular thermography may help to assess ocular dryness in a noninvasive, quantifiable, and real-time manner.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,013 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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