MétaCan
Menu
Retour à la cohorte
Enregistrement W4414658418 · doi:10.1513/annalsats.202506-579oc

Predicting the presence and severity of obstructive sleep apnea with optical coherence tomography

2025· article· en· W4414658418 sur OpenAlexaff
Maide Gözde İnam, Onur İnam, Jin Ming Lin, James K. Park, Doru Gucer, Tongalp H. Tezel

Notice bibliographique

RevueAnnals of the American Thoracic Society · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensColumbia College
Organismes subventionnairesResearch to Prevent Blindness
Mots-clésObstructive sleep apneaOptical coherence tomographyBiomarkerSleep apneaDiseaseSeverity of illness

Résumé

récupéré en direct d'OpenAlex

RATIONALE: The impact of obstructive sleep apnea (OSA) on microvascular system suggests that spectral domain optical coherence tomography (SD-OCT) evaluation of the choroidal vasculature could provide clinically relevant insights into disease presence and severity. OBJECTIVE: To investigate the value of choroidal vascular imaging with SD-OCT in diagnosing the presence and predicting the severity of OSA. METHODS: SD-OCT images of 120 patients with OSA were analyzed to extract choroidal biomarkers. Patients were categorized into 4 levels of OSA severity according to their apnea-hypopnea index. ImageJ/FIJI (National Institutes of Health, Bethesda, Maryland, USA) was used to measure choroidal thickness and vascular indices in Haller's and non-Haller's layers across regions on the nasal and temporal sides of the fovea. Thickness ratios of choroidal layers, total choroidal area, choroidal vascularity index, and luminal-to-stromal ratios were compared between individuals without OSA and with different severities of OSA. Analysis of variance, receiver operating characteristic analysis, and logistic regression were employed to evaluate inter-group differences and the predictive value of choroidal parameters. RESULTS: OSA's presence and increasing severity significantly impacted the non-Haller's layer thickness and Haller's/non-Haller's layer thickness ratios, particularly in the nasal region (1000-2500 µm). The nasal 2500 µm region showed the highest discriminative power for severe OSA (AUC = 0.733, P < .001). Logistic regression analysis identified the Haller's/non-Haller's layer thickness ratio at nasal 2500 µm as the most significant predictor of severe OSA (odds ratio = 2.147, P = .002), adjusted for age, gender, and comorbidities. CONCLUSIONS: OSA is associated with choroidal microvascular remodeling, especially nasal to the fovea. This remodeling increases the ratio of Haller's/non-Haller's layer thickness ratio, which may be a potential biomarker for OSA severity. These findings highlight the utility of SD-OCT in non-invasively detecting systemic vascular alterations linked to OSA, supporting its role in early diagnosis and monitoring of disease progression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,367
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Thoracic SocietyMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207