Retinal changes in patients with mild cognitive impairment: An optical coherence tomography study
Notice bibliographique
Résumé
Background: Optical coherence tomography (OCT) is a noninvasive method of analyzing in vivo retinal architecture. It also measures retinal nerve fiber layer (RNFL) thickness, which is useful in managing diseases of the retina. Age-related thinning of the retinal ganglion cell complex has been measured using OCT. The present study is to evaluate the RNFL and ganglion cell layer (GCL) thickness using spectral domain OCT in patients with cognitive impairment (CI) and to study the correlation between RNFL and mini–mental state examination (MMSE) scores. Materials and Methods: A case–control study was done on 88 eyes of 44 patients, of which 27 belong to mild CI (MCI) and 17 were controls. They were assessed using MMSE/MINICOG/Montreal Cognitive Assessment tests and retinal OCT for RNFL, GCL, and inner plexiform layer (GCL + IPL) analysis. Results: RNFL thickness was reduced in all quadrants, more in superior and inferior quadrants in patients with MCI. GCL + IPL layer showed overall thinning in all quadrants, of which inferonasal and inferior quadrants were thinnest. Conclusion: MCI patients were prone to develop neurodegeneration even in the absence of microvascular changes in the retina. Hence, it is suggested to carry out routine evaluation of retina with OCT in all patients above the age of 60 to detect early neurodegenerative changes for early management. It is also noted that the sensitivity of GC + IPL was higher than that of RNFL to discriminate MCI from controls.
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) | 0,001 | 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 ».