Macular radial peripapillary capillary: a potential optical coherence tomography angiography biomarker of cognitive impairment in patients with internal carotid artery stenosis
Notice bibliographique
Résumé
Objective We investigated retinal and choroidal microvascular parameters as potential biomarkers for vascular cognitive impairment in patients with internal carotid artery stenosis (ICAS). Methods We enrolled 123 asymptomatic ICAS patients and categorized them into vascular mild cognitive impairment (VMCI) and vascular dementia (VaD) groups using the Montreal Cognitive Assessment. Optical coherence tomography angiography was used to evaluate vessel densities and perfusion areas in various retinal layers. Magnetic resonance imaging-based neuroimaging biomarkers for cerebral small vessel disease (CSVD) were also assessed. Least absolute shrinkage and selection operator logistic regression identified predictor variables, and receiver operating curve analysis assessed the ability of key parameters to distinguish between VMCI and VaD. Results Compared with VMCI patients, VaD patients had lower radial peripapillary capillary (RPC) perfusion area, higher CSVD burden score, and larger white matter hyperintensity volume (all p < 0.05). Receiver operating curve analysis revealed that the RPC perfusion area of the affected eye had superior discriminatory power for distinguishing VaD from VMCI compared with both the CSVD burden score ( Z = 1.99, p = 0.047) and white matter hyperintensity ( Z = 1.97, p = 0.049). The optimal cutoff value for the 0–1 mm macular RPC perfusion area was determined as 0.068 mm 2 . Conclusion The optical coherence tomography angiography-derived RPC perfusion area can effectively differentiate VaD from VMCI, suggesting its potential as a noninvasive diagnostic method to support clinical decision-making for ICAS patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».