Retinal Microperimetry: A Useful Tool for Detecting Insulin Resistance-Related Cognitive Impairment in Morbid Obesity
Notice bibliographique
Résumé
Background: There is clear association between type 2 diabetes (T2D) and cognitive decline. Retinal microperimetry is a useful tool for detecting cognitive impairment in T2D. Morbid obesity (MO) has been associated with cognitive impairment. Insulin resistance (IR) seems a major determinant, but the data are unclear. The aim of this study was to evaluate the cognitive impairment in MO as well as the utility of retinal microperimetry in identifying these alterations. Methods: In total, 50 consecutive patients with MO were matched by age and gender with 30 healthy controls. All patients underwent cognitive evaluation (Montreal Cognitive Assessment Test-MoCA) and retinal microperimetry, using MAIA microperimeter 3rd generation. Retinal sensitivity and gaze fixation parameters were used for the evaluation of the analysis. Results: MO patients showed a significantly lower neurocognitive performance than the controls: MoCA score 24.94 ± 2.74 vs. 28.95 ± 1.05, p < 0.001. Cognitive function inversely correlated with the HOMA-IR (r = −0.402, p = 0.007). The AUROC for cognitive impairment using microperimetry was 0.807, CI 95% (0.592–0.947), p = 0.017. Conclusions: (1) Systemic insulin resistance is a major underlying mechanism accounting for the higher prevalence of cognitive impairment detected in young MO subjects. (2) Retinal microperimetry is a useful tool for identifying MO patients with cognitive impairment.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».