Does This Patient With Diabetes Have Large-Fiber Peripheral Neuropathy?
Notice bibliographique
Résumé
CONTEXT: Diabetic peripheral neuropathy predisposes patients to foot ulceration that heals poorly and too often leads to amputation. Large-fiber peripheral neuropathy (LFPN), one common form of diabetic neuropathy, when detected early prompts aggressive measures to prevent progression to foot ulceration and its associated morbidity and mortality. OBJECTIVE: To systematically review the literature to determine the clinical examination findings predictive of asymptomatic LFPN before foot ulceration develops. DATA SOURCES, STUDY SELECTION, AND DATA EXTRACTION: MEDLINE (January 1966-November 2009) and EMBASE (1980-2009 [week 50]) databases were searched for articles on bedside diagnosis of diabetic peripheral neuropathy. Included studies compared elements of history or physical examination with nerve conduction testing as the reference standard. DATA SYNTHESIS: Of 1388 articles, 9 on diagnostic accuracy and 3 on precision met inclusion criteria. The prevalence of diabetic LFPN ranged from 23% to 79%. A score greater than 4 on a symptom questionnaire developed by the Italian Society of Diabetology increases the likelihood of LFPN (likelihood ratio [LR], 4.0; 95% confidence interval [CI], 2.9-5.6; negative LR, 0.19; 95% CI, 0.10-0.38). The most useful examination findings were vibration perception with a 128-Hz tuning fork (LR range, 16-35) and pressure sensation with a 5.07 Semmes-Weinstein monofilament (LR range, 11-16). Normal results on vibration testing (LR range, 0.33-0.51) or monofilament (LR range, 0.09-0.54) make LFPN less likely. Combinations of signs did not perform better than these 2 individual findings. CONCLUSIONS: Physical examination is most useful in evaluating for LFPN in patients with diabetes. Abnormal results on monofilament testing and vibratory perception (alone or in combination with the appearance of the feet, ulceration, and ankle reflexes) are the most helpful signs.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».