Retinal Nerve Fiber Layer Thickness is Associated with Episodic Memory Deficit in Mild Cognitive Impairment Patients
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
Changes in retinal nerve fiber layer (RNFL) thickness have been reported in patients with mild cognitive impairment (MCI), the pre-dementia stage of Alzheimer's disease (AD). However, whether RNFL thickness is associated with specific cognitive impairment of MCI patients remains unknown. Therefore, we set out to investigate the potential association between RNFL thickness and episodic memory in MCI patients. Seventy five older adults (mean age 74 ± 3 years, 55% men) were included in the study. Fifty-two participants had normal cognition (NC), and 23 participants were diagnosed with MCI. RNFL thickness was obtained by optical coherence tomography measurement. Cognitive function was evaluated by the Repeatable Battery for the Assessment of Neuropsychological Status on the same day of the optical examination. We found that nasal quadrant RNFL thickness was positively associated with episodic memory scores in the participants with normal cognition: word list learning (r=0.392, p=0.004) and story recall (r=0.307, p=0.027). In the participants with MCI, however, the inferior quadrant RNFL thickness was inversely associated with the episodic memory score: word list learning (r=-0.652, p=0.001), story memory (r=-0.429, p=0.041), and story recall (r=-0.502, p=0.015,). The findings from this pilot study suggest that the inferior quadrant RNFL thickness was associated with specific episodic memory in MCI patients and could serve as a biomarker of MCI and AD. These findings would promote more studies to determine the potential application of RNFL as an AD biomarker.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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