Retinal nerve fiber layer thickness in benign multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVE: Retinal nerve fiber layer (RNFL) thickness has been linked to brain atrophy in multiple sclerosis (MS). However, little is known about retinal atrophy in 'benign' MS. We compared RNFL thickness in benign MS with healthy controls. METHODS: Patients with benign MS (Expanded Disability Status Scale (EDSS) ≤ 3; ≥15 years' disease duration), identified through the British Columbia MS database, along with age-matched healthy controls, were recruited. RNFL thickness was measured using spectral-domain optical coherence tomography. Analysis of variance (ANOVA) was used to compare groups. The association between RNFL thickness and MS patient characteristics was examined via linear mixed-effects models (adjusting for within-patient inter-eye correlations and history of optic neuritis (ON), where appropriate). RESULTS: Overall, 29 benign MS patients and 29 healthy controls were included, totaling 116 eyes. RNFL thickness was lowest for the benign MS eyes, with and then without a history of ON, followed by healthy controls (mean=73.2 µm, SD ± 0.4; 89.9 µm, SD ± 12.5; 96.7 µm, SD ± 10.4; p<0.02). RNFL thickness was associated with a history of ON (p<0.0001), but not EDSS or disease duration (p>0.1). CONCLUSIONS: RNFL thickness was lower in patients with benign MS than healthy controls, regardless of the previous history of ON. However, no association was found between RNFL values and disability or MS disease duration.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».