Sensory profile and its impact on quality of life in patients with painful diabetic polyneuropathy
Notice bibliographique
Résumé
CONTEXT: Painful diabetic polyneuropathy (PDN) is common and causes significant disability. The sensory profile in each patient is different and affects quality of life. AIM: To describe the demographic, details of sensory profile and its impact on quality of life in patients with PDN. SETTINGS AND DESIGN: A cross-sectional survey in patients with PDN who were treated in a University Hospital. MATERIALS AND METHODS: They were interviewed with standard questionnaires, which included neuropathic pain scale (NPS), a short-form McGill Pain Questionnaire (SF-MPQ) and a short form-36 quality of life survey (SF-36). STATISTICAL ANALYSIS USED: Descriptive statistics were used in demographic data. Student's t test was used to analyze continuous data. Multiple comparisons for proportions and correlations were made using Fisher Exact test and Pearson's coefficient of correlation, respectively. RESULTS: Thirty three patients were included in this study. In NPS, sharp pain was the most common symptom and itching was the least common. Almost all patients had more than one type of pain. The mean VAS was 53 mm. In SFMPQ, the sensory score, affective score and the present pain score fell in the moderate range. In SF-36, physical functioning was the most affected and social function was the least affected. CONCLUSIONS: PDN significantly affects patients' quality of life, especially physical function and role limitation due to a physical problem. Almost all patients have many types of pain and sharp pain is the most common.
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 | 0,001 | 0,005 |
| 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 | 0,001 |
| 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 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 ».