Retinal Changes in Schizophrenia: A Systematic Review and Meta-analysis Based on Individual Participant Data
Notice bibliographique
Résumé
BACKGROUND: Retinal assessment has indicated the presence of neuronal loss in neurodegenerative disorders, but its role in schizophrenia remains unclear. We sought to synthesize the available evidence considering 3 noninvasive modalities: optical coherence tomography, electroretinography, and fundus photography, and examine their diagnostic accuracy based on unpublished individual participant data, when provided by the primary study authors. METHODS: We searched MEDLINE, SCOPUS, clinicaltrials.gov, PSYNDEX, Cochrane Controlled Register of Trials (CENTRAL), WHO International Clinical Trials Registry Platform, and Google Scholar, up to October 30, 2018. Authors were contacted and invited to share anonymized participant-level data. Aggregate data were pooled using random effects models. Diagnostic accuracy meta-analysis was based on multiple cutoffs logistic generalized linear mixed modeling. This study was registered with PROSPERO, number CRD42018109344. RESULTS: Pooled mean differences of peripapillary retinal nerve fiber layer thickness in micrometer between 694 eyes of 432 schizophrenia patients and 609 eyes of 358 controls, from 11 case-control studies, with corresponding 95% confidence intervals (CIs) by quadrant were the following: -4.55, 95% CI: -8.28, -0.82 (superior); -6.25, 95% CI: -9.46, -3.04 (inferior); -3.18, 95% CI: -5.04, -1.31 (nasal); and -2.7, 95% CI: -4.35, -1.04 (temporal). Diagnostic accuracy, based on 4 studies, was fair to poor, unaffected by age and sex; macular area measurements performed slightly better. CONCLUSION: The notion of structural and functional changes in retinal integrity of patients with schizophrenia is supported with current evidence, but diagnostic accuracy is limited. The potential prognostic, theranostic, and preventive role of retinal evaluation remains to be examined.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».