The Prevalence, Severity, and Impact of Painful Diabetic Peripheral Neuropathy in Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: To determine the prevalence of painful diabetic peripheral neuropathy (PDPN) in a population-based sample and to estimate its severity and impact. RESEARCH DESIGN AND METHODS: A cross-sectional descriptive study consisting of two phases: phase 1, a postal survey to patients with type 2 diabetes (an initial screening questionnaire including one question about pain); phase 2, neurological history and examination using the Toronto Clinical Scoring System. Subjects with PDPN or mixed (PDPN and nonneuropathic) pain completed the Neuropathic Pain Scale and Neuroqol to assess severity and nature of the pain and impact on quality of life. Those without PDPN completed the Neuroqol only. RESULTS: In phase 1, there was a 92.7% response (n = 326), with 208 (63.8%) subjects reporting pain. In phase 2, 269 (82.5%) subjects attended and 51 (19.0%) were found to have PDPN: 99 (36.8%) nonneuropathic pain, 20 (7.4%) mixed pain, and 99 (36.8%) no pain (PDPN prevalence 26.4%). Of those with PDPN, 80% stated that their pain was moderate or severe. Those affected had poorer quality of life than those with no pain (difference in mean scores 3.6 [95% CI 2.5-4.6%]) compared with those with nonneuropathic pain (1.7 [0.4-2.9%]). Both pain and neuropathy score were independently associated with quality of life, and subjects with PDPN had significantly higher neuropathy scores. CONCLUSIONS: Our study showed a prevalence of PDPN of 26.4%. Having PDPN has a significant negative effect on quality of life, and increasing neuropathy is associated with an increasing risk of developing PDPN.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».