MétaCan
Menu
Retour à la cohorte
Enregistrement W3023850008 · doi:10.1080/01616412.2020.1761174

Retinal thickness as a potential biomarker of neurodegeneration and a predictor of early cognitive impairment in patients with multiple sclerosis

2020· article· en· W3023850008 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueNeurological Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMontreal Cognitive AssessmentRetinalMultiple sclerosisNerve fiber layerCorrelationCognitionAtrophyReceiver operating characteristicBiomarkerNeurodegenerationCognitive impairmentOphthalmologyInternal medicineLogistic regressionAudiologyCardiologyDiseasePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The purpose of this research is to predict the cognitive impairment and to determine its correlation with retinal thickness, mainly (RFNL and GCIPL) in cases of multiple sclerosis. METHODS: 60 multiple sclerosis patients and 30 age and sex-matched healthy controls were included in this study. Cognitive functions were evaluated in all study participants by the Montreal Cognitive Assessment (MoCA). OCT imaging was done to determine the thickness. The correlation between the cognitive domains of MoCA and the thickness of the retinal nerve fiber layers was analyzed by Spearman correlation. ROC curve was constructed to determine the cut-off points for retinal thickness, and a binary logistic regression was performed to determine the independent predictive capacity of established cut-off points. RESULTS: Impaired cognition was found in 26 MS patients (43.3%). Cognitively impaired patients were significantly older (P < 0.05), had significantly longer disease duration (P < 0.05), had higher average EDSS scores (4.3 ± 1.22 vs 3.1 ± 1.45, P < 0.001), and occurred more in progressive types of MS (P < 0.001). A significant positive correlation was found between cognitive function and RNFL thickness and GCIPL (P < 0.001). The retinal thickness (RNFL and GCIPL) cut-off points established for the prediction of cognitive impairment in MS patients were 79 μm and 76 μm, respectively. CONCLUSION: The clear correlation between cognitive impairment and atrophy of inner retinal layers (RNFL and GCIPL) proposes that OCT is valuable in evaluating the neurodegeneration and prediction of early cognitive impairment in MS. ABBREVIATIONS: EDSS: Expanded Disability Status Scale; HCs: Healthy controls; GCIPL: Ganglion cell-inner plexiform layer; ILM: Internal limiting membrane; INL: Inner nuclear layer; MoCA: Montreal Cognitive Assessment; MS: Multiple sclerosis; PPMS: Primary progressive multiple sclerosis; RNFL: Retinal nerve fiber layer; RRMS: Relapsing-remitting multiple sclerosis; SD: Standard deviations; SPMS: Secondary progressive multiple sclerosis; SPSS: Statistical Package for the Social Sciences.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,337
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle