Factors Associated With Retinal Vessel Traits in the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Purpose: To determine the factors cross-sectionally and longitudinally associated with retinal vessel diameter, total area, and tortuosity in the Canadian Longitudinal Study on Aging (CLSA). Methods: Of the 30,097 adults between ages 45 and 85 years old in the CLSA Comprehensive Cohort, 26,076 had at least one retinal image gradable by QUARTZ, a deep-learning algorithm that automatically assessed image quality, distinguished between arterioles and venules, and estimated retinal vessel traits over the entire retina. Questions were asked about demographic, lifestyle, and medical factors. Blood pressure, cholesterol, and C-reactive protein were measured. Participants returned for follow-up 3 years later. Multiple linear regression was used to provide adjusted estimates. Results: Current smoking was strongly associated with wider arteriolar and venular diameters and their widening over 3 years (P < 0.05). Current smoking was also associated with a larger arteriolar and venular area and a 3-year increase in venular area (P < 0.05). Obesity was positively associated with venular diameter, total venular area, 3-year change in total venular area, and venular tortuosity (P < 0.05). Diastolic blood pressure was negatively associated with both arteriolar and venular diameter, area, and tortuosity, both cross-sectionally and longitudinally (P < 0.05). Diabetes was associated with wider arteriolar diameters cross-sectionally, and type 1 diabetes was associated with 3-year widening of arteriolar diameters (P < 0.05). Conclusions: This work provides comprehensive information on the factors associated with retinal vessel traits and their change. Factors such as smoking, obesity, blood pressure, and diabetes were longitudinally related to retinal vessel traits, which play a role in the development of eye disease.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| 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) | 0,000 | 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 ».