ADAPTIVE OPTICS IMAGING IN DIABETIC RETINOPATHY
Notice bibliographique
Résumé
PURPOSE: To investigate the correlation between diabetic retinopathy (DR) severity and microscopic retinal and vascular alterations using adaptive optics imaging. METHODS: In this single-center, prospective cohort study, adult participants with healthy eyes or DR underwent adaptive optics imaging. Participants were classified into control/mild nonproliferative DR, moderate/severe nonproliferative DR, and proliferative DR. Adaptive optics imaging using the RTX1 camera was obtained from 48 participants (87 eyes) for photoreceptor data and from 36 participants (62 eyes) for vascular data. RESULTS: Photoreceptor parameters significantly differed between DR groups at 2° and 4° of retinal eccentricity. Wall-to-lumen ratio varied significantly at 2° eccentricity, while other vascular parameters remained nonsignificant. Cone density and dispersion were the strongest predictors for DR severity ( P < 0.001) in multivariable generalized estimating equation modeling, while other vascular parameters remained nonsignificant between DR severity groups. All photoreceptor parameters showed significant correlations with visual acuity overall and across most DR severity groups. CONCLUSION: To date, this is one of the largest studies evaluating the use of adaptive optics imaging in DR. Adaptive optics imaging was demonstrated to differentiate between various levels of disease severity in DR. These results support the potential role in diagnostic and therapeutic microstructural evaluation in research and clinical practice.
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 ».