Relationship between ultrasonographic nerve morphology and severity of diabetic sensorimotor polyneuropathy
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
BACKGROUND AND PURPOSE: In the current study, the aim was to characterize the nerve ultrasound cross-sectional areas (CSAs) of type 2 diabetic patients with diabetic sensorimotor polyneuropathy (DSP) of different severities. METHODS: A hundred symptomatic DSP patients and 40 age-matched healthy controls were prospectively recruited. DSP severity was ascertained through the Toronto Clinical Scoring System (TCCS). Nerve electrophysiology and ultrasound were performed on both lower limbs and the non-dominant upper limb. RESULTS: The sural nerve was inexcitable in 19.1% of mild, 40.0% of moderate and 69.0% of severe DSP groups. In contrast, CSAs were measurable in all nerves of DSP patients and were significantly larger compared to controls. Patients with severe DSP had significantly larger ulnar, peroneal, tibial and sural nerves compared to mild DSP patients. By receiver operating characteristic curve analysis, the cut-off value for the sural nerve at 2 mm(2) was a good discriminator (area under the curve 0.88) between the presence and absence of DSP (sensitivity 0.90; specificity 0.74) but performed less well in discriminating between the severity of DSP (cut-off 2.75 mm(2); area under the curve 0.62; sensitivity 0.59; specificity 0.73). Significant correlations were demonstrated between TCSS scores, most neurophysiology parameters and CSAs of the ulnar, peroneal, tibial and sural nerves. CONCLUSION: Nerve ultrasound in DSP reveals enlarged CSAs and these changes worsen with increasing disease severity, thus serving as a useful diagnostic tool especially when neurophysiology is unrevealing.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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