Peripheral Nerve Ultrasound in Small Fiber Neuropathy (P6.086)
Notice bibliographique
Résumé
Objective: The aim of this study was to determine if structural changes in distal peripheral nerve are apparent on ultrasound (US) in patients with small fiber neuropathy (SFN). Background: Small fiber neuropathy can be an early presentation of chronic axonal polyneuropathies. The diagnosis of SFN is based on abnormal function of small nerve fibers, such as abnormal quantitative thermal thresholds, and morphological changes with reduced intraepidermal nerve fiber density (IENFD) in the setting of normal nerve conduction studies. Prior studies have shown that US of peripheral nerve is able to detect structural changes in nerves with documented large fiber involvement including CIDP and diabetes neuropathy. This study aims to determine if structural changes in distal peripheral nerve are apparent on US in patients with SFN. Methods and Design: 15 patients with SFN diagnosed by reduced IENFD and 15 healthy controls were recruited for US of motor and sensory nerves of the dominant lower limb. Two groups were matched in age, gender and body mass index (BMI). The cross sectional area (CSA) and flattening ratio (FR) of the sural nerve at the level of the lateral malleolus, superficial peroneal and tibial nerves at the lower third of the leg were measured by US. Results: The mean CSA of the sural nerve in SFN patients was 3.08 ± 0.77 mm2 with a median value of 3.26 and interquartile range of 2.52-3.65 (25%-75%) and in healthy controls was 2.50 ±0 .53 mm2 with a median value of 2.51 and interquartile range of 2.13-2.81 (25%-75%) (p< 0.01). The FR was the same in both groups. US parameters in other nerves were not different between groups. Conclusion: Ultrasound can show structural changes, i.e.: enlarged cross sectional area of distal large sensory nerve, in patients diagnosed with small fiber neuropathy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».