Plantar Pressures, Plantar Forces, and Their Influence on the Pathogenesis of Diabetic Foot Ulcers
Notice bibliographique
Résumé
BACKGROUND: Clinical recommendations for the prevention and healing of diabetic foot ulcers (DFUs) are somewhat clear. However, assessment and quantification of the mechanical stress responsible for DFU remain complex. Different pressure variables have been described in the literature to better understand plantar tissue stress exposure. This article reviews the role of pressure and shear forces in the pathogenesis of plantar DFU. METHODS: We performed systematic searches of the PubMed and Embase databases, completed by a manual search of the selected studies. From 535 potentially relevant references, 70 studies were included in the full-text review. RESULTS: Variables of plantar mechanical stress relate to vertical pressure, shear stress, and temporality of loading. At this time, in-shoe peak plantar pressure (PPP) is the only reliable variable that can be used to prevent DFU. Although it is a poor predictor of in-shoe PPP, barefoot PPP seems complementary and may be more suitable when evaluating patients with diabetes mellitus and peripheral neuropathy who seem noncompliant with footwear. An in-shoe PPP threshold value of 200 kPa has been suggested to prevent DFU. Other variables, such as peak pressure gradient and peak maximal subsurface shear stress and its depth, seem to be of additional utility. CONCLUSIONS: To better assess the at-risk foot and to prevent ulceration, the practitioner should integrate quantitative models of dynamic foot plantar pressures, such as in-shoe and barefoot PPPs, with the regular clinical screening examination. Prospective studies are needed to evaluate causality between other variables of mechanical stress and DFUs.
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».