Corneal confocal microscopy detects small fibre neurodegeneration in Parkinson's disease using automated analysis
Notice bibliographique
Résumé
Abstract We studied the utility of corneal confocal microscopy (CCM) in detecting a reduction in corneal nerve parameters in a large cohort of patients with Parkinson’s disease (PD) compared to controls using a fully automated potentially scalable method of analysis. We also assessed if CCM parameters are related to the severity and sub-type of PD. 98 participants with PD and 26 healthy controls underwent CCM with automated corneal nerve quantification, MDS-UPDRS III, Hoehn and Yahr scale, Montreal Cognitive Assessment, Parkinson’s Disease Questionnaire-39 and PD subtype assessment. Corneal nerve fibre density (mean difference: − 5.00 no/mm2, 95% confidence interval (CI) [− 7.89, − 2.12], p = 0.001), corneal nerve branch density (mean difference: − 10.71 no/mm2, 95% CI [− 16.93, − 4.48], p = 0.003), corneal total branch density (mean difference: − 14.75 no/mm2, 95% CI [− 23.58, − 5.92], p = 0.002), and corneal nerve fibre length (mean difference: − 2.57 mm/mm2, 95% CI [− 4.02, − 1.12], p = 0.001) were significantly lower in PD participants compared to controls. There was no correlation between corneal nerve parameters and duration, severity or subtype of PD, cognitive function or quality of life. CCM with automated corneal nerve analysis identifies nerve fibre damage and may act as a biomarker for neurodegeneration in PD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».