Inner Plexiform Layer Substrata Are Discernible with Commercial OCT and Affected by Aging
Notice bibliographique
Résumé
Purpose: This study aims to evaluate the inner plexiform layer (IPL) microstructure and its changes with aging using commercial spectral-domain OCT macular scans of healthy individuals with a semiautomated segmentation program. Design: Cross-sectional study conducted at the Athens Vision Eye Institute from January to July 2024. Participants: The study included 92 healthy participants. Methods: tests combined with bootstrap analyses. Main Outcome Measures: The primary outcomes measured were signal intensity of the IPL, contrast between its hyperreflective and hyporeflective bands, and the percentage of IPL with identifiable sublayers. The secondary outcomes included inner retinal thickness measurements, including the IPL, nerve fiber layer (NFL), and ganglion cell complex (GCC). Results: The IPL exhibited a multilayered structure with 5 sublayers, 3 hyperreflective and 2 hyporeflective, arranged in an alternating pattern. Aging was associated with higher signal intensity from hyporeflective bands and minimal changes in hyperreflective bands, resulting in an overall reduced contrast between the 5 sublayers. Older participants showed a lower percentage of IPL with identifiable sublayers, along with a lower contrast variance within the IPL. Aging also correlated with reduced inner retinal thickness, including the IPL, NFL, and GCC, with a stronger association for the IPL. Inner plexiform layer analysis exhibited high intraeye and intereye repeatability, with significant correlations and nonsignificant mean differences observed in most key parameters. Conclusions: Analysis of the IPL and its sublayers is both feasible and reproducible using commercially available OCT along with a semiautomated segmentation program. Our findings indicate that the IPL microstructure changes with aging. A comprehensive evaluation of the IPL could serve as a valuable biomarker for early diagnosis and monitoring of diseases affecting synaptic health in this layer. Financial Disclosures: Proprietary or commercial disclosure may be found in the Footnotes and Disclosures at the end of this article.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».