Corneal Confocal Microscopy Detects Corneal Nerve Damage in Patients Admitted With Acute Ischemic Stroke
Notice bibliographique
Résumé
Background and Purpose— Corneal confocal microscopy can identify corneal nerve damage in patients with peripheral and central neurodegeneration. However, the use of corneal confocal microscopy in patients presenting with acute ischemic stroke is unknown. Methods— One hundred thirty patients (57 without diabetes mellitus [normal glucose tolerance], 32 with impaired glucose tolerance, and 41 with type 2 diabetes mellitus) admitted with acute ischemic stroke, and 28 age-matched healthy control participants underwent corneal confocal microscopy to quantify corneal nerve fiber density, corneal nerve branch density, and corneal nerve fiber length. Results— There was a significant reduction in corneal nerve fiber density, corneal nerve branch density, and corneal nerve fiber length in stroke patients with normal glucose tolerance ( P <0.001, P <0.001, P <0.001), impaired glucose tolerance ( P =0.004, P <0.001, P =0.002), and type 2 diabetes mellitus ( P <0.001, P <0.001, P <0.001) compared with controls. HbA1c and triglycerides correlated with corneal nerve fiber density ( r =−0.187, P =0.03; r =−0.229 P =0.01), corneal nerve fiber length ( r =−0.228, P =0.009; r =−0.285; P =0.001), and corneal nerve branch density ( r =−0.187, P =0.033; r =−0.229, P =0.01). Multiple linear regression showed no independent associations between corneal nerve fiber density, corneal nerve branch density, and corneal nerve fiber length and relevant risk factors for stroke. Conclusions— Corneal confocal microscopy is a rapid noninvasive ophthalmic imaging technique that identifies corneal nerve fiber loss in patients with acute ischemic stroke.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».