MétaCan
Menu
Retour à la cohorte
Enregistrement W3200715560 · doi:10.11606/t.5.2020.tde-10092021-112755

Correlação entre o déficit cognitivo e a perda neural retiniana avaliada pela tomografia de coerência óptica em pacientes com comprometimento cognitivo leve

2020· dissertation· pt· W3200715560 sur OpenAlexaboutno aff
Ana Laura Maciel Almeida

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineMedicine
ThématiqueRetinal Imaging and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

\n OBJETIVO: Avaliar a capacidade diagnóstica dos parâmetros da espessura da camada de fibras nervosas da retina peripapilar (CFNRp), espessura macular total e das camadas internas da retina medidos pela tomografia de coerência óptica de alta resolução por fonte de varredura (TCO-FV) em diferenciar pacientes com Comprometimento Cognitivo Leve (CCL) de controles normais pareados por sexo e idade. Verificar a correlação entre os parâmetros da espessura da CFNRp, espessura macular total e das camadas internas da retina medidos pelo TCO-FV e o grau de comprometimento cognitivo, avaliados pelo Mini-Exame do Estado Mental (MEEM), Montreal Cognitive Assessment (MoCA) e Questionário de Atividades Funcionais de Vida Diárias de Pfeffer em pacientes com CCL. MÉTODOS: Noventa e quatro olhos, sendo 46 olhos de 23 pacientes com CCL e 48 olhos de 24 controles, foram avaliados. Foram capturadas imagens de alta resolução do disco óptico e da mácula pelo TCO-FV. Os valores de espessura das seguintes estruturas foram analisados: CFNRp, retina total, CFNR macular (CFNRm); camada de células ganglionares da retina (CGR) mais a camada plexiforme interna (CPI), sendo referida como CGR+, CFNRm mais CGR+ (CGR mais CPI), sendo denominada CGR++. Para a avaliação das camadas internas (CFRNm, CGR+ e CGR++), três formas de análise foram utilizadas: mácula global (6x6mm), divisão em nove setores do mapa do ETDRS e em seis setores, ambos com 6mm de diâmetro. Os parâmetros do TCO dos olhos com CCL e controles normais foram comparados utilizando Equações Estimativas Generalizadas (EEG). Para a correlação entre as medidas da CFNRp, espessura macular total e das camadas internas da retina medidos pela TCO-FV e o déficit cognitivo, estimados pelo MEEM, MoCA, Pffefer, foi realizada a correlação de Pearson. RESULTADOS: Os valores da espessura da CFNRp dos pacientes com CCL não apresentaram diferenças significativas quando comparadas aos controles. Os valores da espessura macular total foram significativamente menores nos doentes nos segmentos temporal e inferior internos (p=0,03 em ambos). Os valores das medidas da espessura macular global (6x6mm) foram significativamente menores nos doentes quando comparados aos controles, para as camadas CFNRm e CGR++, com P iguais a 0,04 e 0,03, respectivamente. Os valores da CFNRm de nove setores foram menores nos doentes com significância nos setores superior interno(p=0,03) e inferior externo(p=0,01). Os parâmetros da CGR+ estavam significativamente reduzidos nos setores superior interno(p=0,02) e inferior interno(p=0,01) e nasal interno(p=0,03). Todos os valores de espessura da CGR++ estavam significativamente reduzidos (exceto setores externos superior, temporal e nasal). Os testes MEEM e MoCA apresentaram correlações significativas com diversas medidas da TCO tanto para a espessura macular total, quanto para a espessura macular interna, principalmente para as camadas CGR+ e CGR++, tanto para a divisão de seis quanto a de nove setores. CONCLUSÕES: Os resultados do presente estudo sugerem que o exame de TCO-FV pode ser um método útil na avaliação clínica de pacientes com CCL, e a redução da espessura das camadas internas da retina, em especial na região macular mais central pode promover importantes informações sobre o padrão de envolvimento ocular nesta doença e que esta tecnologia sugere ser um promissor biomarcador ocular em pacientes com CCL\n

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,019
Tête enseignante GPT0,291
Écart entre enseignants0,273 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRetinal Imaging and AnalysisTravaux en français237 207