MétaCan
Menu
Retour à la cohorte
Enregistrement W2325446501 · doi:10.1586/17446651.2016.1145050

Current Ideas on the Treatment Of Diabetic Neuropathies

2016· article· en· W2325446501 sur OpenAlexaff
Dustin Anderson, Douglas W. Zochodne

Notice bibliographique

RevueExpert Review of Endocrinology & Metabolism · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineCarpal tunnel syndromeDiabetic neuropathyEntrapment NeuropathyPolyneuropathyDiabetes mellitusComplicationUlnar neuropathyQuality of life (healthcare)Physical therapyElbowPhysical medicine and rehabilitationNeuropathic painIntensive care medicineSurgeryUlnar nerveAnesthesiaEndocrinology

Résumé

récupéré en direct d'OpenAlex

Diabetic neuropathies are common and their prevalence is rising with the growth in the global prevalence of type 2 diabetes. Several patterns of neuropathy have now been described, with diabetic sensorimotor polyneuropathy (DPN) being the most common. Autonomic neuropathy, entrapment neuropathies including carpal tunnel syndrome and ulnar neuropathy at the elbow pose additional burdens. DPN can be detected in over half of all diabetic subjects and approximately 20% of all patients with DPN also experience neuropathic pain, a complication with major impacts on quality of life. Currently, the only available treatments for DPN are optimal glucose control and pain management, whereas interventions, beyond optimizing hyperglycemic control, to address the underlying polyneuropathy are not available. Here we review current treatment options and new literature relating to DPN, with an emphasis on novel and emerging treatments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,336
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of Endocrinology & MetabolismMême sujetPain Mechanisms and TreatmentsTravaux en français237 207