The effect of hypercapnia on the sensitivity to flicker defined stimuli
Notice bibliographique
Résumé
BACKGROUND/AIMS: To investigate the effect of increased CO2 levels on flicker defined stimuli. METHODS: The sensitivity of two flicker defined tasks was measured in nine healthy, trained observers using the Flicker Defined Form (FDF) stimulus of the Heidelberg Edge Perimeter (HEP; Heidelberg Engineering) and Frequency Doubling Technology (FDT) stimulus of the Matrix perimeter (Carl Zeiss Meditec) during normoxia and 15% hypercapnia (end-tidal CO2 increased by 15% relative to baseline). HEP-FDF and Matrix-FDT sensitivities were analysed for the global field, superior and inferior hemifields and at specific matched eccentricities, using repeated measures analysis of variance. The main effect of hypercapnia on flicker sensitivity was analysed using regression models. RESULTS: Higher flicker sensitivity outcomes with increasing CO2 values were found for HEP-FDF and Matrix-FDT with a statistically significant main effect for HEP-FDF global, superior and inferior hemifields (p<0.01 for all) as well as 6°, 18°, 12° and 24° eccentricities (p=0.03, 0.04, 0.01, 0.05, respectively). When comparing mean sensitivity values between normocapnia and hypercapnia conditions, no statistically significantly different results were found for HEP-FDF and Matrix-FDT (p>0.05). CONCLUSIONS: As CO2 levels were increased in healthy young individuals, there was an associated increase in visual sensitivity that was only significant for HEP-FDF stimuli, highlighting the different mechanisms involved in processing each of HEP-FDF and Matrix-FDT stimuli. Mean visual sensitivity outcomes were found to be similar for normocapnia and hypercapnia suggesting that a capability to compensate for a mild and stable increase in systemic CO2 levels may exist.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».