Diffusion-weighted imaging and retinal oximetry as potential biomarkers of visual outcomes after optic neuritis
Notice bibliographique
Résumé
To elucidate the mechanisms influencing visual function recovery after optic neuritis (ON), this study employed a multicompartment diffusion weighted imaging (DWI) model to assess the role of optic radiation integrity and its relationship with retinal parameters, including automatic retinal oximetry and retinal nerve fiber layer (RNFL) thinning. Twenty-four patients with the first episode of acute unilateral ON were compared with 56 healthy volunteers with normal vision. Additionally, longitudinal analysis 3 and 6 months after ON was performed in 17 patients. Multivariate analysis of variance across baseline DWI metrics revealed a greater secondary partial volume fraction (f2) in patients. In the longitudinal analysis, a multivariate effect of time was observed only when adjusted for the affected side and time since onset; however, univariate post hoc tests were nonsignificant. An unadjusted model stratified according to clinical outcomes (best-corrected visual acuity [BCVA] and contrast sensitivity) indicated lower overall fractional anisotropy (FA) in patients with incomplete recovery. In the correlation analysis, baseline FA and oximetry (venous saturation and arteriovenous difference) predicted follow-up BCVA, whereas axial diffusivity predicted follow-up oximetry. In turn, baseline oximetry predicted follow-up RNFL thickness. In summary, DWI and retinal oximetry are both potential predictors of visual function outcomes after ON.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 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 ».