Prévoir le risque de fermeture de l’angle tel que défini par la classification de Shaffer à l’aide de la tomographie par cohérence optique du segment antérieur : Une approche simple
Bibliographic record
Abstract
Objectif: Proposer une méthode non invasive simple pour le dépistage des patients à risque de fermeture de l’angle en utilisant l’imagerie du segment antérieur à l’aide de la TCO. Méthodes: Des examens radiologiques des angles irido-cornéens en nasal et en temporal ont été réalisés au moyen de la TCO chez des patients référés pour suspicion de glaucome. Après l’identification de la ligne de Schwalbe, une droite fut tracée jusqu’au point de l’iris le plus rapproché (S-I) à l’aide de l’outil de compas intégré de l’appareil. Une gonioscopie a été effectuée et la méthode de Shaffer a été utilisée pour grader l’ouverture de l’angle afin d’évaluer la corrélation entre les deux méthodes. Résultats: Trente-quatre images étaient disponibles pour analyse. Les coefficients de corrélation de Spearman entre les mesures S-I et les grades de Shaffer se sont établis à 0,81 et 0,77 pour les quadrants nasal et temporal respectivement. Les calculs intra-observateur des coefficients de corrélation intraclasse avaient une excellente reproductibilité (0,98 et 0,99 pour les angles en nasal et en temporal) et on a observé une excellente corrélation inter-observateur (0,94 et 0,93). La valeur diagnostique S-I pour les angles à risque de fermeture a été provisoirement établie à 330 mm. Conclusion: La mesure S-I corrèle fortement avec les résultats de la gonioscopie et pourrait être une solution de rechange appropriée pour évaluer le risque de fermeture de l’angle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".