The retina as a window into detecting subclinical cardiovascular disease in type 2 diabetes
Notice bibliographique
Résumé
Individuals with Type 2 Diabetes (T2D) are at high risk of subclinical cardiovascular disease (CVD), potentially detectable through retinal alterations. In this single-centre, prospective cohort study, 255 asymptomatic adults with T2D and no prior history of CVD underwent echocardiography, non-contrast coronary computed tomography and cardiovascular magnetic resonance. Retinal photographs were evaluated for diabetic retinopathy grade and microvascular geometric characteristics using deep learning (DL) tools. Associations with cardiac imaging markers of subclinical CVD were explored. Of the participants (aged 64 ± 7 years, 62% males); 200 (78%) had no diabetic retinopathy and 55 (22%) had mild background retinopathy. Groups were well-matched for age, sex, ethnicity, CV risk factors, urine microalbuminuria, and serum natriuretic peptide and high-sensitivity troponin levels. Presence of retinopathy was associated with a greater burden of coronary atherosclerosis (coronary artery calcium score ≥ 100; OR 2.63; 95% CI 1.29–5.36; P = 0.008), more concentric left ventricular remodelling (OR 3.11; 95% CI 1.50–6.45; P = 0.002), and worse global longitudinal strain (OR 2.32; 95% CI 1.18–4.59; P = 0.015), independent of key co-variables. Early diabetic retinopathy is associated with a high burden of coronary atherosclerosis and markers of early heart failure. Routine diabetic eye screening may serve as an effective alternative to currently advocated screening tests for detecting subclinical CVD in T2D, presenting opportunities for earlier detection and intervention.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».