Correlation between inner retinal layer thickness and cognitive function in HIV
Notice bibliographique
Résumé
OBJECTIVE: To compare retinal layer thickness in HIV-infected subjects with (CI-HIV) and without (NCI-HIV) cognitive impairment, with a control population and to correlate this with the cognitive status of the patient and other clinical parameters. DESIGN: Single-center cross-sectional study. METHODS: Participants with controlled HIV infection aged between 40 and 70 years and sex-matched and age-matched controls were enrolled. Retinal nerve fiber layer (RNFL), ganglion cell layer (GCL) and inner plexiform layer (IPL) thickness were assessed using optical coherence tomography. These measurements in HIV patients were compared with those in controls. Age-related and sex-related changes were compared in both groups. Other variables studied in HIV patients included: duration of HIV infection, CD4 cell count nadir, antiretroviral therapy regimen and cognitive status using the Montreal Cognitive Assessment (MoCA) test. RESULTS: Sixty-nine individuals, 34 with and 35 without cognitive impairment, and 70 controls were enrolled. GCL was significantly thinner in CI-HIV patients compared with NCI-HIV patients and controls (P = 0.01 and P = 0.02, respectively). GCL and IPL thickness significantly decreased with age in patients with HIV (P = 0.0003, P = 0.02, respectively, for the entire cohort). This change was not seen in controls. MoCA test score significantly decreased with age in HIV patients and controls. GCL thickness positively correlated with cognitive function across the entire HIV cohort (P = 0.02). CONCLUSION: GCL was thinner in HIV patients with cognitive impairment. GCL thickness correlated positively with cognitive function and negatively with age in HIV patients. GCL thickness may reflect accelerated cognitive aging in HIV.
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 | 0,000 |
| 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 ».