JoVE Logo
Autoren
Kontakt

Anmelden

Zum Anzeigen dieser Inhalte ist ein JoVE-Abonnement erforderlich. Melden Sie sich an oder starten Sie Ihre kostenlose Testversion.

In diesem Artikel

  • Zusammenfassung
  • Zusammenfassung
  • Einleitung
  • Protokoll
  • Ergebnisse
  • Diskussion
  • Offenlegungen
  • Danksagungen
  • Materialien
  • Referenzen
  • Nachdrucke und Genehmigungen

Zusammenfassung

Hier wird die optische Kohärenztomographie (SS-OCT) eingesetzt, um die Dicke der Netzhaut und der Aderhaut bei Erwachsenen mit und ohne Mangelernährung zu vergleichen und so zu einem besseren Verständnis der Pathogenese von Augenerkrankungen bei unterernährten Personen beizutragen.

Zusammenfassung

Trotz Verbesserungen bei der Verringerung des Hungers in den letzten Jahren bleibt Unterernährung ein globales Problem der öffentlichen Gesundheit. In dieser Studie wird die Swept-Source-Technik der optischen Kohärenztomographie (SS-OCT) verwendet, um Veränderungen der Netzhaut- und Aderhautdicke bei untergewichtigen Probanden zu beurteilen. Bei allen Erwachsenen, die an dieser Querschnittsstudie teilnahmen, wurden ophthalmologische Untersuchungen durchgeführt. Abhängig von ihrem Body-Mass-Index (BMI) wurden die Teilnehmer in zwei Gruppen eingeteilt: die untergewichtige Gruppe und die Normalgruppe. Die Studie umfasste die rechten Augen der untergewichtigen Erwachsenen und eine gleiche Anzahl von alters- und geschlechtsgleichen normalgewichtigen Probanden. Die Netzhautdicke zeigte keinen signifikanten Unterschied zwischen der untergewichtigen und der normalen Gruppe (P > 0,05 für alle). Bei Männern war die Netzhaut des mittleren und inneren Rings in der untergewichtigen Gruppe signifikant dünner als in der Normalgruppe, während bei Frauen keine derartigen Ergebnisse gefunden wurden. Die Aderhaut in der untergewichtigen Gruppe war im Vergleich zu der in der Normalgruppe signifikant dünner (alle P < 0,05). Untergewicht kann die Aderhautdicke sowohl bei Männern als auch bei Frauen beeinflussen. Im Vergleich zu untergewichtigen Frauen können untergewichtige Männer mehr Netzhautschäden erleiden. Diese Erkenntnisse tragen zu einem besseren Verständnis der Pathogenese bei, die bestimmten Augenerkrankungen bei unterernährten Personen zugrunde liegt.

Einleitung

Trotz der erfolgreichen Bemühungen der Gesundheitsorganisation zur Bekämpfung des Hungers in den letzten Jahren ist Unterernährung nach wie vor ein erhebliches globales Problem für die öffentliche Gesundheit. Schätzungen zufolge waren im Jahr 2022 weltweit 9,8 % der Bevölkerung unterernährt1. Die Inzidenz von Unterernährung ist von Region zu Region unterschiedlich, wobei die Prävalenz bei Personen mit niedrigerem sozioökonomischem Status höherist 2,3,4. Darüber hinaus verlieren einige Menschen, insbesondere junge Menschen, übermäßig an Gewicht, um eine perfekte Körperform zu erreichen. Mangelernährung in all ihren verschiedenen Formen betrifft jedes Land der Welt5.

Untergewicht ist mit negativen klinischen Ergebnissen verbunden, darunter Infektionen, Immundysfunktion, verzögerte Wundheilung sowie Wachstums- und Entwicklungsverzögerung 6,7,8,9. Ein unterernährter Zustand ist einer der führenden Risikofaktoren für einen vorzeitigen Tod und den Verlust von behinderungsbereinigten Lebensjahren 10,11,12. Studien haben gezeigt, dass der niedrigste Body-Mass-Index (BMI) mit der schlechtesten binokularen Fähigkeit verbunden ist13. Darüber hinaus hat die Forschung gezeigt, dass Unterernährung mit verschiedenen Augenproblemen verbunden ist, wie z. B. Makuladegeneration, verminderte Dunkeladaptation, Optusatrophie, Keratitis, trockenes Auge und Retinoblastom 14,15,16,17,18.

Die Netzhaut mit ihren vielfältigen Schichten und Zelltypen ist ein komplexes Gewebe, während die Aderhaut eine stark vaskularisierte Struktur ist, die die äußere Schicht der Netzhaut mit Nährstoffen versorgt und Stoffwechselabfälle abtransportiert19. Die Netzhaut und die Aderhaut als kritische Strukturen des Augapfels können durch systemische Pathologien oder physiologische Zustände beeinträchtigt werden20,21. Es wurde festgestellt, dass sie eine bedeutende Rolle bei der Pathogenese bestimmter Augenerkrankungen spielen, darunter Makuladegeneration, polypoidale choroidale Vaskulopathie, Uveitis, Glaukom und myopiebedingte chorioretinale Atrophie 22,23,24,25,26. Daher hängt die Augenfunktion sowohl von anatomisch als auch funktionell normalen Netzhäuten und Aderhaut ab.

Während Unterernährung verschiedene Auswirkungen auf das Auge hat, gibt es nur begrenzte Informationen über die Zusammenhänge zwischen Mangelernährung und Netzhaut- oder Aderhautdicke bei verschiedenen Geschlechtern. Ziel dieser Studie ist es, mögliche Veränderungen der Netzhaut- oder Aderhautdicke bei unterernährten Erwachsenen mit Hilfe der optischen Kohärenztomographie (SS-OCT) zu beurteilen, die einen bedeutenden Fortschritt in der retinalen und choroidalen Bildgebung darstellt27. Diese Technologie ist dank ihrer hohen Penetrationsfähigkeit durch das retinale Pigmentepithel (RPE) besonders effektiv bei der genauen Identifizierung der choroidalen Skleraschnittstelle (CSI) bei Augen mit dickeren Aderhautknochen.

In dieser Studie wurden die Teilnehmer anhand ihres BMI in zwei Gruppen eingeteilt: die untergewichtige Gruppe (BMI < 18,50 kg/m2) und die Normalgruppe (18,50 ≤ BMI < 25,00 kg/m2). Die Studie umfasste 996 rechte Augen von 996 untergewichtigen Erwachsenen und eine gleiche Anzahl von alters- und geschlechtsgleichen normalgewichtigen Probanden. Der durchschnittliche BMI lag bei 17,48 ± 0,75 kg/m2 in der untergewichtigen Gruppe und bei 21,30 ± 1,75 kg/m 2 in der Normalgruppe.

Protokoll

Diese Studie wurde von Januar 2020 bis Oktober 2020 am Huashan-Krankenhaus der Fudan-Universität durchgeführt. Die Studie wurde vom Institutional Review Board des Huashan Hospital (Nr. KY2016-274), und alle teilnehmenden Erwachsenen gaben eine schriftliche Einverständniserklärung ab.

1. Auswahl der Teilnehmer

  1. Erfassen Sie die demografischen Merkmale aller Teilnehmer, wie Alter, Geschlecht und systemische Erkrankungen in der Vorgeschichte. Betrachten Sie Folgendes als Ausschlusskriterien: (1) Alter < 18 Jahren oder > 70 Jahren und (2) eine Vorgeschichte von systemischen Erkrankungen im Zusammenhang mit Netzhaut- oder Aderhautdicke, einschließlich Diabetes mellitus, Bluthochdruck und Schilddrüsenerkrankungen.
    HINWEIS: In der älteren Bevölkerung, insbesondere in der Bevölkerung über 70 Jahre, kam es häufig zu schweren Katarakten, die die Qualität der OCT-Bilder beeinträchtigen konnten.
  2. Lassen Sie alle erwachsenen Teilnehmer, die an der Forschung beteiligt sind, sich augenärztlichen Untersuchungen unterziehen. Als Ausschlusskriterien sind folgende Punkte zu berücksichtigen: (1) Augeninnendruck (IOD) >21 mmHg; (2) bestkorrigierte Sehschärfe (BCVA) schlechter als 0,1 LogMAR; (3) sphärisches Äquivalent mehr als ± 6 Dioptrien; (4) eine Vorgeschichte von Augenerkrankungen, einschließlich Netzhauterkrankungen, Aderhauterkrankungen und Glaukom; und (5) jede frühere Augenoperation.

2. Berechnung des Body-Mass-Index

  1. Messen Sie die Größe und das Gewicht der Teilnehmer mit einem Größenmessgerät (siehe Materialtabelle).
  2. Berechnen Sie den BMI mit der Formel: Gewicht / (Größe x Größe) (kg/m2).
  3. Klassifizieren Sie die Probanden in zwei Gruppen auf der Grundlage der Internationalen Klassifikation28 der Weltgesundheitsorganisation: die untergewichtige Gruppe (BMI <18,50 kg/m2) und die Normalgruppe (18,50 ≤ BMI < 25,00 kg/m2).

3. Optischer Kohärenztomographie-Scan mit Sweeping-Source

  1. Schalten Sie den Netzschalter am SS-OCT-Gerät (siehe Materialtabelle) mit einer Wellenlänge von 1050 nm ein.
    HINWEIS: Dieses SS-OCT-System, das 1.00.000 Scans/s verarbeiten kann, wurde kürzlich erheblich verbessert und verbessert die Visualisierung der Netzhaut und der Aderhaut.
  2. Klicken Sie auf die Schaltfläche Radial Dia.6.0mm Macula Overlap 4 , um auf die Scanschnittstelle zuzugreifen.
  3. Erfassen Sie während des Scanvorgangs hochwertige Bilder für jedes Auge der Teilnehmer.
    HINWEIS: Die OCT-Scans wurden von erfahrenen Augenärzten täglich zwischen 8 und 10 Uhr durchgeführt, um Tagesschwankungen zu minimieren29.
  4. Erstellen Sie eine Dickenkarte gemäß dem Standardraster für Studien zur diabetischen Retinopathie (Early Treatment Diabetic Retinopathy Study, ETDRS).
  5. Definieren Sie die Netzhautdicke (Abbildung 1A,B) und die Aderhautdicke (Abbildung 2A,B) wie zuvor beschrieben27,30.
    HINWEIS: Um genaue Messungen zu gewährleisten, war es zwingend erforderlich, die segmentierten Linien innerhalb der OCT-Scans manuell zu überprüfen27,30.
  6. Schließen Sie schlechte OCT-Bilder aus, die auf Mediendeckkraft oder instabile Fixierung zurückzuführen sind.

4. Statistische Auswertung

  1. Starten Sie die SPSS-Software (siehe Materialtabelle). Die Analyse berücksichtigte ausschließlich das rechte Auge der Teilnehmer31.
    HINWEIS: Geben Sie kontinuierliche Daten als Mittelwert ± Standardabweichung (SD) und kategoriale Daten als Häufigkeit (Prozent) an.
  2. Führen Sie einen Gruppenvergleich mit einem t-Test für stetige Variablen und einem Chi-Quadrat-Test für kategoriale Variablen durch. Durchführung von Korrelationsanalysen unter Verwendung der Pearson-Korrelation.
    HINWEIS: Zur Bestimmung der statistischen Signifikanz wurde ein Signifikanzniveau von P < 0,05 (zweiseitig) verwendet.

Ergebnisse

In dieser Studie wurden insgesamt 996 rechte Augen von 996 untergewichtigen Erwachsenen untersucht, wobei normalgewichtige Probanden 1:1 alters- und geschlechtsspezifisch waren. Die demographischen Merkmale beider Gruppen sind in Tabelle 1 zusammengefasst. Die untergewichtige Gruppe hatte einen durchschnittlichen BMI von 17,48 ± 0,75 kg/m2 (Bereich: 14,60-18,40 kg/m2), während die normalgewichtige Gruppe einen durchschnittlichen BMI von 21,30 ± 1...

Diskussion

In dieser Studie wurde SS-OCT eingesetzt, um die Dicke der Netzhaut und der Aderhaut bei Erwachsenen mit und ohne Mangelernährung zu vergleichen. Die Ergebnisse der Studie zeigten, dass bei Männern Personen in der untergewichtigen Gruppe im Vergleich zu denen in der Normalgruppe signifikant dünnere Netzhäute in der zentralen und inneren Ringregion aufwiesen. Bei den Weibchen wurden jedoch keine derartigen Unterschiede beobachtet. Darüber hinaus wurde festgestellt, dass die Aderhaut ...

Offenlegungen

Keiner der Autoren hat ein finanzielles oder eigentumsrechtliches Interesse an einem der genannten Materialien oder Methoden.

Danksagungen

Diese Studie wurde durch Zuschüsse der National Natural Science Foundation of China (Nr. 81900879) und der Science and Technology Commission der Stadt Shanghai (Nr. 20Y11910800) finanziert.

Materialien

NameCompanyCatalog NumberComments
Height and weight meterDKi, Beijing, ChinaHC01000209
Ophthalmoscope66 Vision-Tech, Suzhou, ChinaV259204
Slit-lamp microscopeTopcon, Tokyo, Japan6822
SPSS softwareIBM, Chicago, USA ECS000143
Swept-source optical coherence tomographyTopcon, Tokyo, Japan185261
Visual chartYuejin, Shanghai, ChinaH24104

Referenzen

  1. Militao, E., Uthman, O. A., Salvador, E. M., Vinberg, S., Macassa, G. Food insecurity and associated factors among households in Maputo city. Nutrients. 15 (10), 2372 (2023).
  2. Chooi, Y. C., Ding, C., Magkos, F. The epidemiology of obesity. Metabolism-Clinical and Experimental. 92, 6-10 (2019).
  3. Young, M. F., Nguyen, P., Tran, L. M., Avula, R., Menon, P. A Double-edged sword? improvements in economic conditions over a decade in india led to declines in undernutrition as well as increases in overweight among adolescents and women. Journal of Nutrition. 150 (2), 364-372 (2020).
  4. Mamun, A. A., Finlay, J. E. Shifting of undernutrition to overnutrition and its determinants among women of reproductive ages in the 36 low to medium income countries. Obesity Research & Clinical Practice. 9 (1), 75-86 (2015).
  5. Schwinger, C., et al. Prevalence of underweight, overweight, and obesity in adults in Bhaktapur, Nepal in 2015-2017. Frontiers in Nutrition. 7, 567164 (2020).
  6. Harpsoe, M. C., et al. Body mass index and risk of infections among women in the Danish National Birth Cohort. American Journal of Epidemiology. 183 (11), 1008-1017 (2016).
  7. Dobak, S., Peterson, S. J., Corrigan, M. L., Lefton, J. Current practices and perceived barriers to diagnosing, documenting, and coding for malnutrition: A survey of the dietitians in nutrition support dietetic practice group. Journal of the Academy of Nutrition and Dietetics. 118 (6), 978-983 (2018).
  8. Alberda, C., et al. The relationship between nutritional intake and clinical outcomes in critically ill patients: results of an international multicenter observational study. Intensive Care Medicine. 35 (10), 1728-1737 (2009).
  9. Lim, S. S., et al. A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions, 1990-2010: a systematic analysis for the Global Burden of Disease Study 2010. Lancet. 380 (9859), 2224-2260 (2012).
  10. Black, R. E., et al. Maternal and child undernutrition and overweight in low-income and middle-income countries. Lancet. 382 (9890), 427-451 (2013).
  11. Global, B. M. C., et al. Body-mass index and all-cause mortality: individual-participant-data meta-analysis of 239 prospective studies in four continents. Lancet. 388 (10046), 776-786 (2016).
  12. Forouzanfar, M. H., et al. Global, regional and national comparative risk assessment of 79 behavioural, environmental and occupational, and metabolic risks or clusters of risks in 188 countries, 1990-2013: a systematic analysis for the Global Burden of Disease Study 2013. Lancet. 386 (10010), 2287-2323 (2015).
  13. Momeni-Moghaddam, H., Kundart, J., Ehsani, M., Abdeh-Kykha, A. Body mass index and binocular vision skills. Saudi Journal of Ophthalmology. 26 (3), 331-334 (2012).
  14. Asencio-Lopez, L., Torres-Ojeda, A. A., Isaac-Otero, G., Leal-Leal, C. A. Treating retinoblastoma in the first year of life in a national tertiary paediatric hospital in Mexico. Acta Paediatrica. 104 (9), e384-e387 (2015).
  15. Faustino, J. F., et al. Vitamin A and the eye: an old tale for modern times. Arquivos Brasileiros De Oftalmologia. 79 (1), 56-61 (2016).
  16. Pineles, S. L., Wilson, C. A., Balcer, L. J., Slater, R., Galetta, S. L. Combined optic neuropathy and myelopathy secondary to copper deficiency. Survey of Ophthalmology. 55 (4), 386-392 (2010).
  17. Atalabi, O. M., Lagunju, I. A., Tongo, O. O., Akinyinka, O. O. Cranial magnetic resonance imaging findings in kwashiorkor. International Journal of Neuroscience. 120 (1), 23-27 (2010).
  18. Takami, Y., Gong, H., Amemiya, T. Riboflavin deficiency induces ocular surface damage. Ophthalmic Research. 36 (3), 156-165 (2004).
  19. Can, M. E., et al. The association of Helicobacter pylori with choroidal and retinal nerve fiber layer thickness. International Ophthalmology. 38 (5), 1915-1922 (2018).
  20. Tan, K. A., et al. State of science: Choroidal thickness and systemic health. Survey of Ophthalmology. 61 (5), 566-581 (2016).
  21. Bafiq, R., et al. Age, sex, and ethnic variations in inner and outer retinal and choroidal thickness on spectral-domain optical coherence tomography. American Journal of Ophthalmology. 160 (5), 1034-1043 (2015).
  22. Koizumi, H., Yamagishi, T., Yamazaki, T., Kawasaki, R., Kinoshita, S. Subfoveal choroidal thickness in typical age-related macular degeneration and polypoidal choroidal vasculopathy. Graefes Archive for Clinical and Experimental Ophthalmology. 249 (8), 1123-1128 (2011).
  23. Gomi, F., Tano, Y. Polypoidal choroidal vasculopathy and treatments. Current Opinion in Ophthalmology. 19 (3), 208-212 (2008).
  24. Yan, H., Li, J., Zhang, J., Yang, L. Retinal and choroidal thickness in patients with uveitis. Ocular Immunology and Inflammation. 25 (2), 202-209 (2017).
  25. Maul, E. A., et al. Choroidal thickness measured by spectral domain optical coherence tomography: factors affecting thickness in glaucoma patients. Ophthalmology. 118 (8), 1571-1579 (2011).
  26. Fujiwara, T., Imamura, Y., Margolis, R., Slakter, J. S., Spaide, R. F. Enhanced depth imaging optical coherence tomography of the choroid in highly myopic eyes. American Journal of Ophthalmology. 148 (3), 445-450 (2009).
  27. Fang, D., et al. Retinal and choroidal thickness in relation to c-reactive protein on swept-source optical coherence tomography. Journal of Immunology Research. 2021, 6628224 (2021).
  28. Al-Musharaf, S. Prevalence and predictors of emotional eating among healthy young Saudi women during the COVID-19 pandemic. Nutrients. 12 (10), 2923 (2020).
  29. Chakraborty, R., Read, S. A., Collins, M. J. Diurnal variations in axial length, choroidal thickness, intraocular pressure, and ocular biometrics. Investigative Ophthalmology & Visual Science. 52 (8), 5121-5129 (2011).
  30. Li, Q., et al. Relationships of rheumatoid factor with thickness of retina and choroid in subjects without ocular symptoms using swept-source optical coherence tomography. Journal of Immunology Research. 2021, 5547533 (2021).
  31. Li, Q., et al. Combined aspirin and clopidogrel therapy in phacoemulsification cataract surgery: a risk factor for ocular hemorrhage. International Ophthalmology. 40 (8), 2023-2029 (2020).
  32. Wong, A. C., Chan, C. W., Hui, S. P. Relationship of gender, body mass index, and axial length with central retinal thickness using optical coherence tomography. Eye. 19 (3), 292-297 (2005).
  33. Wu, Q., Liu, M., Yu, M., Fu, J. Sex differences in underweight and body mass index in Chinese early de novo patients with Parkinson's disease. Brain and Behavior. 10 (12), e1893 (2020).
  34. Tekin, M., et al. Evaluation using spectral-domain optical coherence tomography of the effects of malnutrition on ocular parameters in pediatric patients. Optometry and Vision Science. 97 (3), 154-161 (2020).
  35. Yilmaz, I., et al. Correlation of choroidal thickness and body mass index. Retina-the Journal of Retinal and Vitreous Diseases. 35 (10), 2085-2090 (2015).
  36. Adhi, M., et al. Choroidal analysis in healthy eyes using swept-source optical coherence tomography compared to spectral domain optical coherence tomography. American Journal of Ophthalmology. 157 (6), 1272-1281 (2014).
  37. Yasuno, Y., Okamoto, F., Kawana, K., Yatagai, T., Oshika, T. Investigation of multifocal choroiditis with panuveitis by three-dimensional high-penetration optical coherence tomography. Journal of Biophotonics. 2 (6-7), 435-441 (2009).
  38. Chung, S. E., Kang, S. W., Lee, J. H., Kim, Y. T. Choroidal thickness in polypoidal choroidal vasculopathy and exudative age-related macular degeneration. Ophthalmology. 118 (5), 840-845 (2011).
  39. Zhang, L., et al. Validity of automated choroidal segmentation in SS-OCT and SD-OCT. Investigative Ophthalmology & Visual Science. 56 (5), 3202-3211 (2015).
  40. Wang, W., et al. Choroidal thickness in diabetes and diabetic retinopathy: A swept source OCT study. Investigative Ophthalmology & Visual Science. 61 (4), 29 (2020).

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Weitere Artikel entdecken

GeschlechtsunterschiedeNetzhautdickeAderhautdickeuntergewichtige PersonenOptische Koh renztomographie mit Sweeping SourceBMIQuerschnittsstudieMangelern hrungAugenerkrankungenAugenuntersuchungenStudienergebnisse

This article has been published

Video Coming Soon

JoVE Logo

Datenschutz

Nutzungsbedingungen

Richtlinien

Kontakt

BIBLIOTHEKS-EMPFEHLUNG

JoVE-Newsletter

Forschung

Lehre

Autoren

Bibliothekare

ÜBER JoVE

Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten