Regional corneal biomechanics assessment as a function of age using Strain-Stress Index maps.
Notice bibliographique
Résumé
Purpose To gain a better understanding of corneal Stress-Strain Index (SSI) maps in healthy eyes and to determine their changes with age.Method The eyes of 72 participants (age 43.1 ± 20.9 years, 69.5% female) were included in the analysis, considering the left and right eyes separately. Corneal biomechanics were assessed using a combination of the Pentacam and Corvis instruments, whose data enabled the production of the SSI maps. The corneas were divided into nine zones to facilitate zone-specific analysis of biomechanical behaviour. Regression analyses were conducted to evaluate the relationship between age and SSI values in each corneal zone.Results The mean overall SSI value of the cornea for all participants was 1.075. Considering different age groups, significant differences in SSI were seen between the young and older groups in the overall map from 0.938 ± 0.067 in 20-50-year-olds to 1.143 ± 0.064 in 50-80-year-olds (ANOVA, p < 0.001). The same effect was seen for each zone separately (ANOVA, p < 0.001). The corneal central apex and peripheral zones showed higher mean SSI values (1.153 ± 0.079) and hence, higher corneal stiffness compared with paracentral zones (0.890 ± 0.057).Conclusion This paper showcases a series of maps depicting corneal elasticity and explores the differences in corneal stiffening with age across various regions of healthy corneas. The results reveal that stiffening tends to accelerate in areas that are already stiffer and decelerate in weaker regions. This deeper insight into ocular physiology could enhance clinical care by enabling more personalised treatments based on the patient's age and the specific corneal regions being addressed.
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 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 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».