Användning av symptomfrågeformulär : En återblick om val av metoder för bedömning av ögontorrhet bland svenska optiker
Bibliographic record
Abstract
Syftet med denna studie var dels att undersöka användning av symptomfrågeformulär vid bedömning av ögontorrhet, dels att titta närmare på vilken metod och/eller vilka kombinationer av tester svenska optiker föredrar för bedömning av ögontorrhet. Metoder: Två olika typer av symptomfrågeformulär, den ena publicerad av The Canadian Dry Eye Epidemiology Society (CANDEES) och den andra med hjälp av Ocular Surface Disease Index (OSDI), översattes till svenska och distribuerades slumpmässigt bland patienter från en optikerpraktik i Kalmar. Dessutom har en webbaserad enkät skickats till 800 optiker för att undersöka deras förstahandsval av test för utvärdering av ögontorrhet. Deras andra, tredje och respektive fjärde val har också noterats, liksom eventuella ytterligare kommentarer. Resultat: Åttiofem patienter svarade på åtminstone ett av frågeformulären, varav 34% (17/50) CANDEES och 32,7% (16/49) OSDI respondenter uppgav att de hade milda till svåra symptom på torra ögon. Av de 800 e-postmeddelanden som skickades ut, svarade bara 64 (8%) optiker. Symptomfrågeformulär används oftast som enda testdiagnostik (42,2%). Det andra mest valda testet är Tearfilm Break-up Time (TBUT; 34,4%), följt av Fluorescein staining (17,2%). Både TBUT och Fluorescein staining delade platsen som det mest frekventa svaret för andravalstest (31,3%), följt av symtomformulär (28,1%). Andra alternativ valdes av 6,3% av optikerna som första val, och 9,4% som andrahandsvalstest omfattar NIBUT / BUT, tårmeniskbedömning, Schirmers Test / BUT, biomikroskopi och bedömning av tårreflexflöde. Slutsats: Symptomfrågeformulär visar att mer än 30% av ett slumpmässigt urval av optikerpatienter uppgav att de hade lindriga till svåra symtom på torra ögon. En undersökning bland svenska optiker visar att sådana formulär är att föredra för bedömning av ögontorrhet, följt av TBUT och Fluorescein staining tester.
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 | 0.022 | 0.052 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.038 | 0.005 |
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".