Retinal inner nuclear layer volume reflects inflammatory disease activity in multiple sclerosis; a longitudinal OCT study
Notice bibliographique
Résumé
Background The association of peripapillary retinal nerve fibre layer (pRNFL) and ganglion cell-inner plexiform layer (GCIPL) thickness with neurodegeneration in multiple sclerosis (MS) is well established. The relationship of the adjoining inner nuclear layer (INL) with inflammatory disease activity is less well understood. Objective The objective of this paper is to investigate the relationship of INL volume changes with inflammatory disease activity in MS. Methods In this longitudinal, multi-centre study, optical coherence tomography (OCT) and clinical data (disability status, relapses and MS optic neuritis (MSON)) were collected in 785 patients with MS (68.3% female) and 92 healthy controls (63.4% female) from 11 MS centres between 2010 and 2017 and pooled retrospectively. Data on pRNFL, GCIPL and INL were obtained at each centre. Results There was a significant increase in INL volume in eyes with new MSON during the study ( N = 61/1562, β = 0.01 mm 3 , p < .001). Clinical relapses (other than MSON) were significantly associated with increased INL volume (β = 0.005, p = .025). INL volume was independent of disease progression (β = 0.002 mm 3 , p = .474). Conclusion Our data demonstrate that an increase in INL volume is associated with MSON and the occurrence of clinical relapses. Therefore, INL volume changes may be useful as an outcome marker for inflammatory disease activity in MSON and MS treatment trials.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».