Corneal confocal microscopy demonstrates axonal loss in different courses of multiple sclerosis
Notice bibliographique
Résumé
Abstract Axonal loss is the main determinant of disease progression in multiple sclerosis (MS). This study aimed to assess the utility of corneal confocal microscopy (CCM) in detecting corneal axonal loss in different courses of MS. The results were confirmed by two independent segmentation methods. 72 subjects (144 eyes) [(clinically isolated syndrome (n = 9); relapsing–remitting MS (n = 20); secondary-progressive MS (n = 22); and age-matched, healthy controls (n = 21)] underwent CCM and assessment of their disability status. Two independent algorithms (ACCMetrics; and Voxeleron deepNerve) were used to quantify corneal nerve fiber density (CNFD) (ACCMetrics only), corneal nerve fiber length (CNFL) and corneal nerve fractal dimension (CNFrD). Data are expressed as mean ± standard deviation with 95% confidence interval (CI). Compared to controls, patients with MS had significantly lower CNFD (34.76 ± 5.57 vs. 19.85 ± 6.75 fibers/mm 2 , 95% CI − 18.24 to − 11.59, P < .0001), CNFL [for ACCMetrics: 19.75 ± 2.39 vs. 12.40 ± 3.30 mm/mm 2 , 95% CI − 8.94 to − 5.77, P < .0001; for deepNerve: 21.98 ± 2.76 vs. 14.40 ± 4.17 mm/mm 2 , 95% CI − 9.55 to − 5.6, P < .0001] and CNFrD [for ACCMetrics: 1.52 ± 0.02 vs. 1.45 ± 0.04, 95% CI − 0.09 to − 0.05, P < .0001; for deepNerve: 1.29 ± 0.03 vs. 1.19 ± 0.07, 95% − 0.13 to − 0.07, P < .0001]. Corneal nerve parameters were comparably reduced in different courses of MS. There was excellent reproducibility between the algorithms. Significant corneal axonal loss is detected in different courses of MS including patients with clinically isolated syndrome.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».