MétaCan
Menu
Retour à la cohorte
Enregistrement W2361014602 · doi:10.1016/j.jdiacomp.2016.05.007

The dilemma of diabetes in chronic inflammatory demyelinating polyneuropathy

2016· review· en· W2361014602 sur OpenAlexaff
Vera Bril, Christopher M. Blanchette, Joshua Noone, M. Chris Runken, Deborah Gelinas, James W. Russell

Notice bibliographique

RevueJournal of Diabetes and its Complications · 2016
Typereview
Langueen
DomaineMedicine
ThématiquePeripheral Neuropathies and Disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesU.S. Department of Veterans Affairs
Mots-clésMedicineChronic inflammatory demyelinating polyneuropathyDiabetes mellitusPolyradiculoneuropathyInternal medicineEpidemiologyIncidence (geometry)PopulationPeripheral neuropathyCohortPolyneuropathyPediatricsImmunologyGuillain-Barre syndromeEndocrinologyAntibody

Résumé

récupéré en direct d'OpenAlex

PURPOSE: We reviewed the literature on chronic inflammatory demyelinating polyneuropathy (CIDP) in diabetes mellitus (DM) and explored real-world data on the prevalence and treatment of CIDP within DM. METHODS: A literature search of Scopus was performed for the terms chronic inflammatory demyelinating polyradiculoneuropathy, chronic inflammatory demyelinating polyneuropathy, CIDP, and prevalence, incidence, epidemiology, or diabetes; peripheral neuropathy and prevalence or diabetes. We also searched through the reference lists of the resulting publications for additional findings that may have been missed. Additional publications on guidelines for the diagnosis of CIDP and diabetic neuropathy were also included. A descriptive analysis of the 2009-2013 PharMetrics Plus™ Database was performed to estimate the prevalence and treatment of CIDP within the DM population. RESULTS: There is an increasing body of literature suggesting that the prevalence of CIDP tends to be higher in diabetic patients, especially in those of older age. Our real-world data seem to support published findings from the literature. For the total cohort (N=101,321,694), the percent prevalence of CIDP (n=8,173) was 0.008%; DM (n=4,026,740) was 4%. The percent prevalence of CIDP without DM (n=5,986) was 0.006%; CIDP with DM (n=2,187) was 9-fold higher at 0.054%. For patients >50years old, there was a significantly higher percentage of CIDP with DM than CIDP without DM. Approximately 50% of CIDP patients were treated with IVIg, 23%-24% with steroids, 1%-2% with PE, and 20%-23% received no treatment. CONCLUSIONS: In addition to the growing evidence of higher prevalence of CIDP in DM, our findings reinforce the need for heightened awareness of the association of CIDP and DM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,054
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,004
Communication savante0,0040,009
Science ouverte0,0010,002
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,027
Tête enseignante GPT0,302
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations67
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Diabetes and its ComplicationsMême sujetPeripheral Neuropathies and DisordersTravaux en français237 207