Correlation between Severity of Diabetic Neuropathy and Somatosensory Evoked Potentials Study
Notice bibliographique
Résumé
Objective: To investigate the clinical applicability of the somatosensory evoked potentials (SEPs) study in early detection of diabetic neuropathy, and compare the results in different degrees of the disease. Method: The study was performed retrospectively with prospective data collection. The Toronto clinical scoring system was taken as well as nerve conduction study, needle electromyography, and SEPs study with median and posterior tibial nerve stimulations in thirty-eight diabetic patients and twenty non-diabetic adults. The subjects were divided into the non-neuropathy group and the neuropathy group, and the latter was divided into three subgroups (suspected, probable, and definite) according to the degree of neuropathy. Statistical analysis was performed with height and age-related correction of reference values of the latency of SEPs with posterior tibial nerve stimulation. Results: The Toronto clinical scoring system showed concordance with the degree of the diabetic neuropathy (p＜0.05, correlation coefficient=0.827). SEPs study with posterior tibial nerve stimulations showed statistically significant latency delay, not only in the neuropathy group, but also in the non-neuropathy group, compared with the non-diabetic group (p＜0.05). Moreover, the latency delay was noted in proportion to the degree of the diabetic neuropathy within the neuropathy group. Interpretation of the data with height and age-corrected reference values of latency of posterior tibial SEPs had stronger correlation. Conclusion: The SEPs study is useful in the early diagnosis of diabetic neuropathy. However, application of the SEPs to clinical use needs to go through height and age correction. (J Korean Acad Rehab Med 2008; 32: 73-79)
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».