OPTICAL COHERENCE TOMOGRAPHY FINDINGS IN PARKINSON'S AND ALZHEIMER'S DISEASE
Notice bibliographique
Résumé
INTRODUCTION: To investigate retinal nerve fiber layer (RNFL), macular, foveal and parafoveal thickness in patient with early stage Parkinson's (PD) and Alzheimer's disease (AD) by optical coherence tomography (OCT) and to compare results with healthy control group and between both disease. METHODS: Participants with AD dementia (n: 15) and PD (n: 15), besides 15 age-sex matched controls were enrolled in the study and received OCT assessments. Clinical disability grade in PD was determined by the Unified Parkinson's Disease Rating Scale and Hoehn Yahr (H-Y) Scale was used to determine the stage of PD. Standardized Mini Mental Test (SMMT) and Montreal Cognitive Rating Scale (MOCA) were used for neurocognitive evaluation of patients with AD. The relationship between OCT and test results was analyzed. RESULTS: OCT measurements did show significant decrease in temporal, nasal, inferiorR (R means examination of retina in two sections as superior and inferior instead of four quadrants) RNFL thickness and foveal, parafoveal, macular thickness of AD group compared to control group. Temporal, inferior and inferiorR RNFL thickness were thinner in patients with PD than those of control group but these differences were not significant. However the superiorR and superior RNFL thickness decreased significantly in the PD group as the disease duration increased. There was no relationship between SMMT, MOCA, UPDRS, H-Y scores and OCT results. CONCLUSION: As several studies have reported different results so far, we thought that the use of OCT in early diagnosis and follow-up of the course of both diseases was not appropriate until many studies indicated the same result.
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 ».