Association Between Dementia and Optical Coherence Tomography Scan Quality
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
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.
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 découle