JoVE Logo
Autori
Contattaci

Accedi

È necessario avere un abbonamento a JoVE per visualizzare questo. Accedi o inizia la tua prova gratuita.

In questo articolo

  • Riepilogo
  • Abstract
  • Introduzione
  • Protocollo
  • Risultati
  • Discussione
  • Divulgazioni
  • Riconoscimenti
  • Materiali
  • Riferimenti
  • Ristampe e Autorizzazioni

Riepilogo

Qui, la tomografia a coerenza ottica a sorgente swept (SS-OCT) viene utilizzata per confrontare lo spessore retinico e coroideale negli adulti con e senza malnutrizione, contribuendo a una migliore comprensione della patogenesi delle malattie oculari in individui malnutriti.

Abstract

Nonostante i miglioramenti nella riduzione della fame negli ultimi anni, la denutrizione rimane un problema di salute pubblica globale. Questo studio utilizza la tecnica della tomografia a coerenza ottica swept-source (SS-OCT) per valutare i cambiamenti nello spessore retinico e coroideale in soggetti sottopeso. Gli esami oftalmici sono stati condotti su tutti gli adulti che hanno partecipato a questa ricerca trasversale. A seconda del loro indice di massa corporea (BMI), i partecipanti sono stati divisi in due gruppi: il gruppo sottopeso e il gruppo normale. Lo studio ha incluso gli occhi destri degli adulti sottopeso e un numero uguale di soggetti normopeso di pari età e sesso. Lo spessore della retina non ha mostrato differenze significative tra i gruppi sottopeso e normali (P > 0,05 per tutti). Nei maschi, la retina del centro e dell'anello interno nel gruppo sottopeso era significativamente più sottile di quella del gruppo normale, mentre non sono stati trovati risultati di questo tipo nelle femmine. La coroide nel gruppo sottopeso era significativamente più sottile rispetto a quella del gruppo normale (tutti P < 0,05). Essere sottopeso può influenzare lo spessore coroideale sia nei maschi che nelle femmine. Rispetto alle femmine sottopeso, i maschi sottopeso possono subire più danni alla retina. Questi risultati contribuiscono a una migliore comprensione della patogenesi alla base di specifiche malattie oculari nei soggetti malnutriti.

Introduzione

Nonostante gli sforzi dell'Organizzazione della Sanità per combattere la fame negli ultimi anni, la denutrizione rimane un problema significativo per la salute pubblica globale. A livello globale, è stato stimato che nel 2022 il 9,8% della popolazione era denutrita1. L'incidenza della denutrizione varia da regione a regione, con una prevalenza più elevata tra gli individui con uno status socioeconomico inferiore 2,3,4. Inoltre, alcuni individui, in particolare i giovani, perdono peso eccessivamente alla ricerca di una forma corporea perfetta. La malnutrizione, in tutte le sue forme, colpisce tutti i paesi del mondo5.

Essere sottopeso è associato a esiti clinici negativi, tra cui infezioni, disfunzione immunitaria, guarigione ritardata delle ferite e ritardo della crescita e dello sviluppo 6,7,8,9. Uno stato di malnutrizione è uno dei principali fattori di rischio per la morte prematura e la perdita di anni di vita aggiustati per disabilità 10,11,12. Gli studi hanno dimostrato che l'indice di massa corporea (BMI) più basso è associato alla capacità binoculare più scarsa13. Inoltre, la ricerca ha dimostrato che la denutrizione è legata a vari problemi oculari, come la degenerazione maculare, la diminuzione dell'adattamento al buio, l'atrofia ottica, la cheratite, l'occhio secco e il retinoblastoma 14,15,16,17,18.

La retina, con i suoi molteplici strati e tipi di cellule, è un tessuto complesso, mentre la coroide è una struttura altamente vascolarizzata che fornisce nutrienti allo strato esterno della retina e rimuove le scorie metaboliche19. La retina e la coroide, in quanto strutture critiche del bulbo oculare, possono essere colpite da patologie sistemiche o condizioni fisiologiche20,21. È stato riscontrato che svolgono un ruolo significativo nella patogenesi di specifiche malattie oculari, tra cui la degenerazione maculare, la vasculopatia coroideale polipoidale, l'uveite, il glaucoma e l'atrofia corioretinica correlata alla miopia 22,23,24,25,26. Pertanto, la funzione oculare dipende sia anatomicamente che funzionalmente da retine e coroidi normali.

Sebbene la denutrizione abbia vari effetti sull'occhio, le informazioni disponibili sulle relazioni tra malnutrizione e spessore retinico o coroideale nei diversi generi sono limitate. Questo studio mira a valutare i potenziali cambiamenti nello spessore retinico o coroideale negli adulti malnutriti utilizzando la tecnica della tomografia a coerenza ottica swept-source (SS-OCT), che rappresenta un progresso significativo nell'imaging retinico e coroideale27. Questa tecnologia è particolarmente efficace nell'identificare con precisione l'interfaccia sclerale coroideale (CSI) negli occhi con coroidi più spesse, grazie alle sue elevate capacità di penetrazione attraverso l'epitelio pigmentato retinico (RPE).

In questo studio, i partecipanti sono stati classificati in due gruppi in base al loro BMI: il gruppo sottopeso (BMI < 18,50 kg/m2) e il gruppo normale (18,50 ≤ BMI < 25,00 kg/m2). Lo studio ha incluso 996 occhi destri di 996 adulti sottopeso e un numero uguale di soggetti normopeso di pari età e sesso. L'IMC medio è stato di 17,48 ± 0,75 kg/m2 nel gruppo sottopeso e di 21,30 ± 1,75 kg/m2 nel gruppo normale.

Protocollo

Questa ricerca è stata condotta presso l'ospedale Huashan dell'Università di Fudan da gennaio 2020 a ottobre 2020. Lo studio è stato approvato dall'Institutional Review Board dell'Ospedale di Huashan (n. KY2016-274) e tutti gli adulti partecipanti hanno fornito il consenso informato scritto.

1. Selezione dei partecipanti

  1. Registra le caratteristiche demografiche di tutti i partecipanti, come l'età, il sesso e una storia di malattie sistemiche. Considerare i seguenti come criteri di esclusione: (1) età < 18 anni o > 70 anni e (2) una storia di malattie sistemiche correlate allo spessore retinico o coroideale, tra cui diabete mellito, ipertensione e malattie della tiroide.
    NOTA: La popolazione anziana, in particolare quella di età superiore ai 70 anni, ha spesso sperimentato una cataratta grave che potrebbe influire sulla qualità delle immagini OCT.
  2. Sottoporre tutti i partecipanti adulti coinvolti nella ricerca a esami oftalmici. Considerare i seguenti come criteri di esclusione: (1) pressione intraoculare (IOP) >21 mmHg; (2) acuità visiva meglio corretta (BCVA) peggiore di 0,1 LogMAR; (3) equivalente sferico superiore a ± 6 diottrie; (4) una storia di malattie oculari, tra cui malattie della retina, malattie coroideali e glaucoma; e (5) qualsiasi precedente intervento chirurgico oculare.

2. Calcolo dell'indice di massa corporea

  1. Misurare l'altezza e il peso dei partecipanti utilizzando uno strumento di misurazione altezza-peso (vedi Tabella dei materiali).
  2. Calcola l'IMC utilizzando la formula: peso / (altezza x altezza) (kg/m2).
  3. Classificare i soggetti in due gruppi in base alla Classificazione Internazionale28 dell'Organizzazione Mondiale della Sanità: il gruppo sottopeso (BMI <18,50 kg/m2) e il gruppo normale (18,50 ≤ BMI < 25,00 kg/m2).

3. Scansione con tomografia a coerenza ottica swept-source

  1. Accendere l'interruttore di alimentazione sul dispositivo SS-OCT (vedere la tabella dei materiali) con una lunghezza d'onda di 1050 nm.
    NOTA: Questo sistema SS-OCT, in grado di eseguire 1.00.000 di scansioni/s, ha recentemente subito miglioramenti significativi, migliorando la visualizzazione della retina e della coroide.
  2. Fare clic sul pulsante Radial Dia.6.0mm Macula Overlap 4 per accedere all'interfaccia di scansione.
  3. Cattura immagini di alta qualità per ogni occhio dei partecipanti durante il processo di scansione.
    NOTA: Le scansioni OCT sono state eseguite da oftalmologi esperti tra le 8 e le 10 del mattino tutti i giorni per ridurre al minimo le variazioni diurne29.
  4. Genera una mappa dello spessore seguendo la griglia standard dello studio della retinopatia diabetica per il trattamento precoce (ETDRS).
  5. Definire lo spessore retinico (Figura 1A, B) e lo spessore coroideale (Figura 2A, B) come descritto in precedenza27,30.
    NOTA: Per garantire misurazioni accurate, era imperativo rivedere manualmente le linee segmentate all'interno delle scansioni OCT 27,30.
  6. Escludete le immagini OCT scadenti a causa dell'opacità dei supporti o di una fissazione instabile.

4. Analisi statistica

  1. Avviare il software SPSS (vedere la tabella dei materiali). L'analisi ha considerato esclusivamente l'occhio destro dei partecipanti31.
    NOTA: Presentare i dati continui come media ± deviazione standard (SD) e i dati categorici come frequenza (percentuale).
  2. Esegui il confronto di gruppo utilizzando un test t per variabili continue e un test del chi-quadrato per variabili categoriali. Condurre analisi di correlazione utilizzando la correlazione di Pearson.
    NOTA: Per determinare la significatività statistica è stato utilizzato un livello di significatività di P < 0,05 (a due code).

Risultati

In questo studio sono stati valutati un totale di 996 occhi destri di 996 adulti sottopeso, con soggetti normopeso di pari età e sesso 1:1. Le caratteristiche demografiche di entrambi i gruppi sono riassunte nella Tabella 1. Il gruppo sottopeso aveva un BMI medio di 17,48 ± 0,75 kg/m2 (intervallo: 14,60-18,40 kg/m2), mentre il gruppo normopeso aveva un BMI medio di 21,30 ± 1,75 kg/m2 (intervallo: 18,50-24,90 kg/m2).

Discussione

In questo studio, l'SS-OCT è stato utilizzato per confrontare lo spessore retinico e coroideale negli adulti con e senza malnutrizione. I risultati dello studio hanno mostrato che, tra i maschi, gli individui del gruppo sottopeso avevano retine significativamente più sottili nelle regioni dell'anello centrale e interno rispetto a quelli del gruppo normale. Tuttavia, tali differenze non sono state osservate tra le femmine. Inoltre, la coroide è risultata significativamente più sottile...

Divulgazioni

Nessuno degli autori ha un interesse finanziario o proprietario in alcun materiale o metodo menzionato.

Riconoscimenti

Questo studio è stato finanziato da sovvenzioni della National Natural Science Foundation of China (n. 81900879) e della Commissione per la scienza e la tecnologia della municipalità di Shanghai (n. 20Y11910800).

Materiali

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

Riferimenti

  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).

Ristampe e Autorizzazioni

Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE

Richiedi Autorizzazione

Esplora altri articoli

Differenze di GenereSpessore RetinicoSpessore CoroidealeIndividui SottopesoTomografia a Coerenza Ottica Swept sourceBMIStudio TrasversaleMalnutrizioneMalattie OculariEsami OftalmiciRisultati Dello Studio

This article has been published

Video Coming Soon

JoVE Logo

Riservatezza

Condizioni di utilizzo

Politiche

Contattaci

SUGGERISCI JOVE ALLA BIBLIOTECA

Newsletter di JoVE

Ricerca

Didattica

Autori

Personale delle biblioteche

CHI SIAMO

Copyright © 2025 MyJoVE Corporation. Tutti i diritti riservati