MétaCan
Menu
Retour à la cohorte
Enregistrement W4403757562 · doi:10.1038/s41598-024-76753-8

Quantitative detection of macular microvascular abnormalities identified by optical coherence tomography angiography in different hematological diseases

2024· article· en· W4403757562 sur OpenAlexaff
Tianzi Jian, Fabao Xu, Guihua Li, Boxuan Song, Helei Wang, Xueying Yang, Weibin Zhai, Xiangchen Li, Zhiwen Li, Feng Qi, Shuqian Xu, John W. Semple, Li Zhang, Jun Peng

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal and Optic Conditions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of ChinaNovo NordiskShandong University
Mots-clésOptical coherence tomographyOptical coherence tomography angiographyAngiographyMedicineTomographyRadiologyPathology

Résumé

récupéré en direct d'OpenAlex

It is now understood that hematological diseases can have detrimental effects on the retina, reducing retinal capillaries, compromising visual function, and potentially causing irreversible visual impairment. Over the years, there has been limited research on macular microvascular abnormalities, such as changes in vessel density and the foveal avascular zone (FAZ) and variations in the severity of these effects across different types of blood disorders. This study aims to quantitatively assess the impact of various hematological disorders on the retina using optical coherence tomography angiography (OCTA). Compared with healthy eyes, patients with different blood diseases exhibited reductions in linear vessel density (LVD), perfusion vessel density (PVD), FAZ area, and FAZ perimeter. Notably, patients with erythrocyte diseases showed more significant abnormalities in LVD and PVD, while patients with lymphocytic diseases demonstrated more pronounced abnormalities in the FAZ area and perimeter. OCTA imaging could potentially reflect changes of the retinal microvascular of patients with hematological diseases and may serve as a valuable tool for distinguishing abnormalities affecting different blood cell lines. This approach offers a novel avenue for assessing, treating, and monitoring blood disorders.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,488

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
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 Opus0,013
Tête enseignante GPT0,268
Écart entre enseignants0,256 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetRetinal and Optic ConditionsTravaux en français237 207