Importance of pain evaluation for more accurate diagnosis of painful diabetic polyneuropathy
Notice bibliographique
Résumé
UNLABELLED: Pain is a common problem in diabetic neuropathy, but relatively little has been published regarding the extent to which it needs to be addressed in clinical practice. OBJECTIVE: To assess neuropathic pain profile and its association with quantitative sensory testing in painful diabetic polyneuropathy. MATERIAL AND METHODS: Altogether, 61 consecutive diabetic inpatients with symmetric neuropathic complaints were enrolled. Clinical neurological examination and quantitative sensory testing (QST) were performed. Patients were interviewed using the Neuropathic Pain Scale (NPS) and filled in the McGill Pain Questionnaire (MPQ). RESULTS: Of all patients, 49 (80.3%) had clinical diabetic polyneuropathy. Only 17 of these patients complained of lower extremity pain on an initial interview, while 27 marked it in the MPQ. The intensity of deep and superficial pain did not differ, but patients rated deep pain as more unpleasant than superficial (6.27±2.37 vs. 4.30±1.42 on the NPS, P=0.034). Superficial pain NPS items tended to correlate with QST results, while deep pain items did not. Only female gender (OR=7.87) and lower glycosylated hemoglobin level (OR=0.65) were predictive of pain in case of diabetic neuropathy. CONCLUSIONS: Standard pain questionnaires were useful in identifying pain sufferers. At the same intensity, deep neuropathic pain was more unpleasant than superficial. Pain manifestation was associated with female gender and lower level of glycosylated hemoglobin.
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 | 0,003 |
| 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 | 0,000 |
| 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 ».