Automated Quantification of Neuropad Improves Its Diagnostic Ability in Patients with Diabetic Neuropathy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Neuropad is currently a categorical visual screening test that identifies diabetic patients at risk of foot ulceration. The diagnostic performance of Neuropad was compared between the categorical and continuous (image-analysis (Sudometrics)) outputs to diagnose diabetic peripheral neuropathy (DPN). 110 subjects with type 1 and 2 diabetes underwent assessment with Neuropad, Neuropathy Disability Score (NDS), peroneal motor nerve conduction velocity (PMNCV), sural nerve action potential (SNAP), Deep Breathing-Heart Rate Variability (DB-HRV), intraepidermal nerve fibre density (IENFD), and corneal confocal microscopy (CCM). 46/110 patients had DPN according to the Toronto consensus. The continuous output displayed high sensitivity and specificity for DB-HRV (91%, 83%), CNFD (88%, 78%), and SNAP (88%, 83%), whereas the categorical output showed high sensitivity but low specificity. The optimal cut-off points were 90% for the detection of autonomic dysfunction (DB-HRV) and 80% for small fibre neuropathy (CNFD). The diagnostic efficacy of the continuous Neuropad output for abnormal DB-HRV (AUC: 91%, P = 0.0003) and CNFD (AUC: 82%, P = 0.01) was better than for PMNCV (AUC: 60%). The categorical output showed no significant difference in diagnostic efficacy for these same measures. An image analysis algorithm generating a continuous output (Sudometrics) improved the diagnostic ability of Neuropad, particularly in detecting autonomic and small fibre 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.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle