MétaCan
Menu
Retour à la cohorte
Enregistrement W3094374536 · doi:10.1002/ana.25944

Retinal Thickness Predicts the Risk of Cognitive Decline in Parkinson Disease

2020· article· en· W3094374536 sur OpenAlexaboutno aff
Ane Murueta‐Goyena, Rocío Del Pino, Marta Galdós, Begoña Arana, Marian Acera, Mar Carmona‐Abellán, Tamara Fernández‐Valle, Beatriz Tijero, Olaia Lucas‐Jiménez, Natalia Ojeda, Naroa Ibarretxe‐Bilbao, Javier Peña, Jesús M. Cortés, Unai Ayala, Maitane Barrenechea, Juan Carlos Gómez‐Esteban, Iñigo Gabilondo

Notice bibliographique

RevueAnnals of Neurology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Social FundEuropean Regional Development FundEusko JaurlaritzaOsasun Saila, Eusko JaurlaritzakoEuropean CommissionInstituto de Salud Carlos IIIMichael J. Fox Foundation for Parkinson's Research
Mots-clésCognitive declineRetinalDiseaseParkinson's diseaseCognitionMedicinePsychologyPhysical medicine and rehabilitationNeuroscienceOphthalmologyDementiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study was undertaken to analyze longitudinal changes of retinal thickness and their predictive value as biomarkers of disease progression in idiopathic Parkinson's disease (iPD). METHODS: Patients with Lewy body diseases were enrolled and prospectively evaluated at 3 years, including patients with iPD (n = 42), dementia with Lewy bodies (n = 4), E46K-SNCA mutation carriers (n = 4), and controls (n = 17). All participants underwent Spectralis retinal optical coherence tomography and Montreal Cognitive Assessment, and Unified Parkinson's Disease Rating Scale score was obtained in patients. Macular ganglion cell-inner plexiform layer complex (GCIPL) and peripapillary retinal nerve fiber layer (pRNFL) thickness reduction rates were estimated with linear mixed models. Risk ratios were calculated to evaluate the association between baseline GCIPL and pRNFL thicknesses and the risk of subsequent cognitive and motor worsening, using clinically meaningful cutoffs. RESULTS: GCIPL thickness in the parafoveal region (1- to 3-mm ring) presented the largest reduction rate. The annualized atrophy rate was 0.63μm in iPD patients and 0.23μm in controls (p < 0.0001). iPD patients with lower parafoveal GCIPL and pRNFL thickness at baseline presented an increased risk of cognitive decline at 3 years (relative risk [RR] = 3.49, 95% confidence interval [CI] = 1.10-11.1, p = 0.03 and RR = 3.28, 95% CI = 1.03-10.45, p = 0.045, respectively). We did not identify significant associations between retinal thickness and motor deterioration. INTERPRETATION: Our results provide evidence of the potential use of optical coherence tomography-measured parafoveal GCIPL thickness to monitor neurodegeneration and to predict the risk of cognitive worsening over time in iPD. ANN NEUROL 2021;89:165-176.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,051
Tête enseignante GPT0,316
Écart entre enseignants0,265 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations73
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of NeurologyMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207