Retinal Nerve Fiber Layer Thickness in Patients with Schizophrenia and Its Relation with Cognitive Impairment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Schizophrenia is a chronic severe mental illness with heterogeneous clinical presentation, course, and outcome. Cognitive impairment is one of its core features. Retinal nerve fiber layer (RNFL) imaging using OCT (optical coherence tomography) could provide easy access for in vivo imaging of the retina, rendering it as a “window to the brain.” Studies done on schizophrenia have shown RNFL thinning. This study attempts to look into the association between cognitive impairment, disease duration, and RNFL abnormality in patients with schizophrenia using OCT. Methods: Patients diagnosed with schizophrenia meeting DSM 5 (Diagnostic and Statistical Manual of Mental Disorders) criteria and who were confirmed to be in remission for at least six months clinically and scoring less than three on PANSS-8 (positive and negative symptom scale-8) remission scale were included. They were administered the Montreal Cognitive Assessment Scale (MoCA) for cognitive assessment. RNFL measures were taken using spectral domain-OCT. Variables were compared using Pearson’s correlation test, one-way ANOVA test, and independent t-test as appropriate. Results: A total of 36 patients were studied. MoCA scores and RNFL thickness showed a positive correlation. Patients with schizophrenia had reduced average RNFL thickness and reduced RNFL thickness in superior, inferior, and temporal quadrants. Average RNFL thickness, Superior and inferior quadrant RNFL thickness showed a positive correlation with MoCA scores. No correlation was obtained between macular volume, macular thickness, duration of illness, and MoCA scores. Conclusion: Patients with schizophrenia have reduced average RNFL thickness. Patients with low MoCA scores have RNFL thinning.
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.
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 | 0,001 |
| 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 découle