XiaoMi-AI文件搜索系统
World File Search Systemretinopathy
NG242糖尿病性视网膜病：管理和监测
有人担心HbA1clevels可能会导致糖尿病性视网膜病的进展。特别担心“早期恶化”，视网膜病可能会进展，并且在强化治疗开始后的短期内可能会恶化。本综述的目的是评估该领域的证据，以告知有关使用降低葡萄糖药物时所需的任何监测的建议。与较少的强化处理相比，评估了HBA1CTCORTMENT迅速减少的影响，以确定糖尿病性视网膜病变和其他重要结果（例如视力）的快速减少的影响。这将对这种治疗策略对糖尿病性视网膜病和黄斑水肿的影响有多大的影响。
糖尿病性视网膜病中的眼部微血管并发症
摘要引入糖尿病性视网膜病（DR）是工人年龄成年人可预防失明的主要原因，主要由慢性高血糖的眼微血管并发症驱动。理解眼睛和疾病进展之间的微血管变化之间的复杂关系带来了挑战，假设线性或后勤关系的传统方法可能无法充分捕获这些变化与疾病进展之间的复杂相互作用。因此，这项研究的目的是通过实施非参数机器学习方法来评估糖尿病（DM）和非增殖DR的微血管受累。研究设计和方法我们进行了一项回顾性队列研究，其中包括从健康组（196眼）收集的光学相干断层扫描（OCTA）图像，DM NO DR组（120眼），一个温和的DR组（71只眼睛）和一个适度的DR组（66只眼睛）。我们实施了一种非参数机器学习方法，用于四个分类任务，该任务使用了从八粒图像中提取的参数作为预测因素：DM no no DR与健康，轻度DR与DM NO DR，中度DR与轻度DR相比，以及任何DR与DR相比。 Shapley添加说明值用于确定这些参数在分类中的重要性。结果，我们发现大型绒毛膜流量缺陷对健康而言与DM NO DR是最重要的，并且在轻度或中度DR的眼睛中变得不那么重要。浅表微脉管系统对于健康与DM NO DR和温和的DR与中度DR任务非常重要，但对于DM NO DR与轻度DR任务而言，这是深层微脉管系统起着重要作用的阶段。凹起的血管区度量通常受到的影响较小，但随着DR的恶化，其参与增加了。结论这项研究的结果为DM和DR的微血管参与提供了宝贵的见解，从而促进了早期检测方法和干预策略的发展。
Eros-启用糖尿病性视网膜病变筛查 - ...
Clare Connor服务开发经理SE SE SE SE伦敦DESS DESS MATTHEW CREICE团队成人筛查计划伦敦地区Stella Ward成人筛查委员会经理伦敦地区Tunde Peto Ophmods（EROS团队成员）Angel Strachan JDRF公共事务官员Irene Stratton统计学家Irene Statistical（EROS团队成员）与Shanmas研究员（EROS）成年人（EROS Richore Rich）Emilly Richone Richone emilly Richery Richore（Emily Rich）患者参与（PPI）面板成员）玛丽·毕晓普（Mary Bishop）Strutt年轻成年人患有1型糖尿病组2。灵活性和可访问性
对没有糖尿病性视网膜病的患者的两年召回：A ...
抽象背景/目标是英国糖尿病眼镜筛查计划（DESP）为患有糖尿病（PLD）年度筛查的人们提供。在没有糖尿病性视网膜病（DR）的PLD中提倡较少的筛查，但每个种族的证据受到限制。我们研究了两年期与年度筛查对威胁糖尿病性视网膜病（STDR）和增殖性糖尿病性视网膜病（PDR）检测的潜在影响，而没有来自大型城市多种族英语Desp的DR。在伦敦东北部（2012年1月至2021年12月）中的方法pld，在两次先前的两次筛查访问中没有DR，最多进行了8年的随访。年度STDR和PDR发病率（总体上和种族）被量化。识别STDR的延迟和PDR事件的延迟使用了2年的筛选间隔。82 782 PLD（37％的白人，36％的南亚和16％的黑人）中的发现，平均值（SD）4.3（2.4）年（STDR率为0.51，95％CI 0.47至0.47至0.55年），有1788例STDR案例。STDR的年龄为每100人年的年龄为0.55（南亚95％CI 0.48至0.62），白人为0.34（95％CI 0.29至0.40），黑人为0.77（95％CI 0.65至0.90）。双年展筛查将使诊断延迟1年，为56.3％（1007/1788），STDR和43.6％（45/103）的诊断将延迟诊断。黑人的标准化STDR的标准化STDR延迟率为每100万个人每10万人的人为1904年（95％CI 1683至2154），南亚人为1276（95％CI 1153至1412），白人为844（95％CI 745至955）。解释双年期筛查将将某些STDR和PDR的检测延迟1年，尤其是在黑人族裔的人中，导致医疗保健不平等。
CRB1视网膜病患者的学习和记忆力增强
摘要：CRB1基因中的突变与各种视网膜病谱有关，具有表型变异性，导致严重的视觉障碍。CRB1基因在视网膜发育中起作用，并在大脑皮层和海马中表达，但以前尚未描述其在认知中的作用。这项研究将CRB1视网膜病个体的认知功能与具有其他视网膜病和正常种群的受试者进行了比较。方法：使用认知功能的神经心理学测试用于测试患有CRB1和非CRB1视网膜病的个体，并将结果与标准化的规范数据集进行比较。结果：CRB1视网膜病受试者在列表即时学习任务（p = 0.001）和延迟记忆（P = 0.007）的列表学习任务中的非CRB1视网膜病的人明显优于患者（p = 0.007），语言语言流畅度的测试，p = 0.017），言语iq digit span span span spas spast（p = 0.037），并指出。剩余的认知功能测试（P> 0.05）。CRB1视网膜病受试者的评分明显高于正常种群。非CRB1视网膜病受试者的得分明显高于故事回忆，言语流利性和整体语言智商测试的正常种群（p = 0.0016）。结论：患有CRB1视网膜病的受试者可能在记忆和学习领域具有增强的认知功能。需要进一步的工作才能了解CRB1在认知中的作用。
TGF-β信号通路在糖尿病性视网膜病的发展中
15。Grigsby J，Betts B，Vidro-Kotchan E，Culbert R，Tsin A.丙烯醛在糖尿病性视网膜病中的可能作用：视网膜色素上皮细胞在高血糖中的VEGF/TGFβ信号传导途径的参与。当前的眼睛研究[Internet]。2012年11月1日[引用2023年12月5日]。;可从：https：//www.tandfonline.com/doi/full/10.3109/02713683.2012.713152
开发用于糖尿病性视网膜病变检测的修订后的Resnet-50
这项研究的目的是采用预处理方法并修改Resnet-50的结构，以提高其在检测DR时的性能。这项研究将SOP应用于处理底面图像。对于Resnet-50，我们采用了自适应学习等级来调整层的重量并更改Resnet-50的结构。这项研究的结果表明，修订后的Resnet-50的性能优于原始Resnet-50。最后，这项研究使用JavaScript开发了在线DR分级系统，使用户可以将底面图像上传到网站并获得DR结果。
年轻发作2型视网膜病变率高...
抽象引言患有2型糖尿病的年轻人（YOD），定义为40岁之前的糖尿病诊断，具有血管并发症的终身风险很高。我们旨在估计挪威一般实践中2型糖尿病（T2D）成年人中YOD的流行，并探索糖尿病诊断与整体糖尿病诊断年龄之间的关联。研究设计和方法，我们从2014年的10241名成年人的通用电子医疗记录中收集了横截面数据，并重复测量了2012年至2014年的血红蛋白A 1C（HBA 1C）。使用多元逻辑回归，我们评估了YOD与后来发作的T2D，性别和视网膜病之间的关联。所有T2D患者的结果，在两个男女40岁之前被诊断出10％。与后期发作的T2D相比，YOD的HBA 1C速度更快，在诊断时，HBA 1C的HBA 1C在男性中，尤其是在YOD中。视网膜病在25％的YOD中发现，频率是后来的两倍。 在对混杂因素（年龄，原产国，教育，体重指数）或视网膜病变的调整后，YOD的男性（OR 2.6（95％CI 2.0至3.5））和YOD的妇女（OR 2.2（1.5至3.0））增加了。 在对潜在介体（糖尿病持续时间和HBA 1C）进行进一步调整之后，YOD的男性（或1.8（1.3至2.4））较高或持久，但对YOD女性不再具有重要意义。 结论视网膜病变的患病率是YOD的两倍以上，是以后发作的T2D。视网膜病在25％的YOD中发现，频率是后来的两倍。在对混杂因素（年龄，原产国，教育，体重指数）或视网膜病变的调整后，YOD的男性（OR 2.6（95％CI 2.0至3.5））和YOD的妇女（OR 2.2（1.5至3.0））增加了。在对潜在介体（糖尿病持续时间和HBA 1C）进行进一步调整之后，YOD的男性（或1.8（1.3至2.4））较高或持久，但对YOD女性不再具有重要意义。结论视网膜病变的患病率是YOD的两倍以上，是以后发作的T2D。YOD中视网膜病变的可能性增加是由HBA 1C较高和T2D持续时间较长的部分介导的，但是在考虑到这些因素的情况下，YOD的男性仍然更高。
人工智能治疗低收入人群糖尿病视网膜病变......
摘要 糖尿病视网膜病变 (DR) 是全球导致失明的主要原因。越来越多的证据支持在糖尿病眼部护理中使用人工智能 (AI)，特别是在资源最紧张的低收入和中等收入国家 (LMIC) 中筛查有 DR 视力丧失风险的人群。然而，在临床实践中的应用仍然有限。我们进行了范围界定审查，以确定哪些 AI 工具已用于 LMIC 的 DR，并报告它们的性能和相关特征。共纳入 81 篇文章。报告的敏感性和特异性通常很高，为支持在临床实践中使用提供了证据。然而，大多数研究仅关注敏感性和特异性，关于成本、监管批准以及使用 AI 是否改善健康结果的信息有限。在更广泛地实施之前，还需要进行超出报告敏感性和特异性的进一步研究。
