Measurement of Cooling Detection Thresholds for Identification of Diabetic Sensorimotor Polyneuropathy in Type 1 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: Compared to recently-studied novel morphological measures, conventional small nerve fiber functional tests have not been systematically studied for identification of diabetic sensorimotor polyneuropathy (DSP). We aimed to determine and compare the diagnostic performance of cooling detection thresholds (CDT) in a cross-sectional type 1 diabetes cohort. RESEARCH DESIGN AND METHODS: 136 subjects with type 1 diabetes and 52 healthy volunteers underwent clinical and electrophysiological examination for DSP classification concomitantly with the Toronto Clinical Neuropathy Score (TCNS) and three small fiber function tests: CDT, heart rate variability (HRV), and laser doppler imaging of axon-mediated neurogenic flare responses to cutaneous heating (LDIFLARE). Area under the curve (AUC) and optimal thresholds were determined by receiver operating characteristic (ROC) curves in the type 1 diabetes cohort. RESULTS: Type 1 diabetes subjects were 42±17 years of age with mean HbA1c 7.9±1.7%. Fifty-nine (45%) met the case definition for DSP. CDT values were lowest in cases with DSP (18.3±8.4°C) compared to controls without DSP (28.4±3.5°C) and to healthy volunteers (29.6±1.8°C; p-value for both comparisons<0.0001). AUCCDT was 0.863 which was similar to AUCTCNS (0.858, p = 0.24) and AUCHRV (0.788, p = 0.05), but exceeded AUCLDIFLARE (0.750, p = 0.001). The threshold of <25.1°C was equivalent to the lower bound of the healthy volunteer 95% distribution [25.1, 30.8°C] and performed with 83% sensitivity and 82% specificity. CONCLUSIONS: Akin to novel small fiber morphological measures, CDT is a functional test that identifies DSP with very good diagnostic performance. These findings support further research that revisits the role of CDT in early DSP detection.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».