MétaCan
Menu
Retour à la cohorte
Enregistrement W1992174536 · doi:10.1097/wno.0b013e31829c510e

Spectral-Domain Optical Coherence Tomography of Retinal Nerve Fiber Layer Thickness in NMO Patients

2013· article· en· W1992174536 sur OpenAlexaff
Alex P. Lange, Reza Sadjadi, Feng Zhu, Samir Alkabie, Fiona Costello, Anthony Traboulsee

Notice bibliographique

RevueJournal of Neuro-Ophthalmology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOptical coherence tomographyNerve fiber layerRetinalMaterials scienceNerve fibre layerLayer (electronics)OpticsOphthalmologyMedicinePhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Neuromyelitis optica (NMO) is a demyelinating syndrome of the central nervous system. NMO might be underdiagnosed at early stages when patients have not yet developed the full spectrum of disease. The aim of this study was to analyze the retinal nerve fiber layer (RNFL) with optical coherence tomography (OCT) and to compare RNFL measurements between NMO patients, patients with relapsing-remitting multiple sclerosis (RRMS), and healthy controls to determine whether differences in RNFL thickness could be an early diagnostic marker for NMO. METHODS: In a cross-sectional study, eyes of 25 NMO patients, 25 RRMS patients, and 50 healthy controls underwent RNFL measurements by OCT. Clinical parameters were collected by history and chart review. Pairwise Wilcoxon rank sum tests with Holm correction were used to compare means of RNFL thickness among 6 groups (NMO, RRMS, and healthy control) of patients [without or with 1 or more episode of optic neuritis (ON)]. The association between RNFL thickness and patient characteristics for NMO group was examined via linear mixed-effects models (adjusting for within-patient intereye correlations and history of ON, where appropriate). RESULTS: Based on the pairwise Wilcoxon rank sum tests with Holm correction, significant differences were found between NMO with 1 episode of ON and non-ON eyes (mean RNFL 63.7 vs 97.0 µm, P < 0.0001), multiple sclerosis (MS) non-ON eyes, and controls (RNFL 93.2 vs 98.4 µm, P = 0.03). No significant differences were found between NMO and MS with 1 attack of ON eyes (RNFL 63.7 vs 73.9 µm, P = 0.46), NMO non-ON eyes and healthy controls (RNFL 97.0 vs 98.4 µm, P = 0.56), and NMO non-ON and MS non-ON (RNFL 97.0 vs 93.2 µm, P = 0.56). For NMO group, RNFL thickness was associated with a history of ON (P < 0.001) but not with disability or disease duration when adjusting for the history of ON (P > 0.1). CONCLUSIONS: RNFL in NMO is not different enough to distinguish NMO ON from MS ON eyes, but the intereye difference in RFNL with a history of unilateral ON may be a better diagnostic marker for NMO.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,320
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neuro-OphthalmologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207