MétaCan
Menu
Retour à la cohorte
Enregistrement W3178509793 · doi:10.3389/fnins.2021.708700

Foveal Remodeling of Retinal Microvasculature in Parkinson’s Disease

2021· article· en· W3178509793 sur OpenAlexaboutno aff
Ane Murueta‐Goyena, Maitane Barrenechea, Asier Erramuzpe, Sara Teijeira‐Portas, Marta Pengo, Unai Ayala, David Romero-Bascones, Marian Acera, Rocío Del Pino, Juan Carlos Gómez‐Esteban, Iñigo Gabilondo

Notice bibliographique

RevueFrontiers in Neuroscience · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundInstituto de Salud Carlos IIIOsasun Saila, Eusko JaurlaritzakoEusko Jaurlaritza
Mots-clésRetinalMedicineOphthalmologyPerfusionCardiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Retinal microvascular alterations have been previously described in Parkinson's disease (PD) patients using optical coherence tomography angiography (OCT-A). However, an extensive description of retinal vascular morphological features, their association with PD-related clinical variables and their potential use as diagnostic biomarkers has not been explored. METHODS: We performed a cross-sectional study including 49 PD patients (87 eyes) and 40 controls (73 eyes). Retinal microvasculature was evaluated with Spectralis OCT-A and cognitive status with Montreal Cognitive Assessment. Unified PD Rating Scale and disease duration were recorded in patients. We extracted microvascular parameters from superficial and deep vascular plexuses of the macula, including the area and circularity of foveal avascular zone (FAZ), skeleton density, perfusion density, vessel perimeter index, vessel mean diameter, fractal dimension (FD) and lacunarity using Python and MATLAB. We compared the microvascular parameters between groups and explored their association with thickness of macular layers and clinical outcomes. Data were analyzed with General Estimating Equations (GEE) and adjusted for age, sex, and hypertension. Logistic regression GEE models were fitted to predict diagnosis of PD versus controls from microvascular, demographic, and clinical data. The discrimination ability of models was tested with receiver operating characteristic curves. RESULTS: FAZ area was significantly smaller in patients compared to controls in superficial and deep plexuses, whereas perfusion density, skeleton density, FD and lacunarity of capillaries were increased in the foveal zone of PD. In the parafovea, microvascular parameters of superficial plexus were associated with ganglion cell-inner plexiform layer thickness, but this was mainly driven by PD with mild cognitive impairment. No such associations were observed in controls. FAZ area was negatively associated with cognition in PD (non-adjusted models). Foveal lacunarity, combined with demographic and clinical confounding factors, yielded an outstanding diagnostic accuracy for discriminating PD patients from controls. CONCLUSION: Parkinson's disease patients displayed foveal microvascular alterations causing an enlargement of the vascular bed surrounding FAZ. Parafoveal microvascular alterations were less pronounced but were related to inner retinal layer thinning. Retinal microvascular abnormalities helped discriminating PD from controls. All this supports OCT-A as a potential non-invasive biomarker to reveal vascular pathophysiology and improve diagnostic accuracy 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,020
Score d'incertitude au seuil0,489

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,254
Écart entre enseignants0,239 · 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 tête enseignante, 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

Citations37
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207