Association Between Dementia and Optical Coherence Tomography Scan Quality
Notice bibliographique
Résumé
It is generally assumed that dementia affects the quality of optical coherence tomography (OCT) scans. However, the magnitude of this effect and its independence from other factors require further clarification. In this cross-sectional study, our aim was to evaluate the association between cognitive impairment and OCT scan quality, adjusting for key confounders, in a multiethnic cohort. 541 participants aged 50 years or older were recruited from memory clinics and the community at the National University Hospital and St. Luke's Hospital, Singapore. They were then stratified into three groups: no cognitive impairment (NCI, n=112), cognitive impairment without dementia (CIND, n=235), and dementia (n=194); OCT scan quality was subsequently assessed based on the presence and severity of artifacts. We found that dementia patients were nearly three times more likely to produce poor-quality OCT scans compared to NCI participants (adjusted odds ratio [OR]=2.90; 95% CI, 1.24-6.80). Lower cognitive scores, including Mini-Mental State Examination (MMSE) (OR=0.92; 95% CI, 0.88-0.96), Montreal Cognitive Assessment (MoCA) (OR=0.90; 95% CI, 0.86-0.94), and higher Clinical Dementia Rating (CDR) scores (OR=2.11; 95% CI, 1.43-3.10), were also independently associated with poor scan quality. In conclusion, cognitive impairment, particularly dementia, substantially increases the likelihood of poor-quality OCT scans, even after accounting for key demographic and clinical factors. Hence, strategies tailored to improve imaging in this population are essential for enhancing diagnostic accuracy and patient care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».