Laser Doppler Flare Imaging and Quantitative Thermal Thresholds Testing Performance in Small and Mixed Fiber Neuropathies
Notice bibliographique
Résumé
INTRODUCTION: Small fiber neuropathy might be a part of typical mixed small and large fiber neuropathy, or a distinct entity, affecting exclusively small nerve fibers. OBJECTIVES: Explore the utility of small nerve fiber testing in patients with clinical presentation suggesting small fiber neuropathy, with and without evidence for concomitant large fiber neuropathy. METHODS: Patients attending the neuromuscular clinic from 2012 to 2015 with a clinical presentation suggesting small nerve fiber impairment, who had Laser Doppler flare imaging (LDIFlare) and quantitative thermal testing (QTT) were evaluated for this study. Patients with clinical or electrophysiological evidence for concomitant large fiber neuropathy were not excluded. RESULTS: The sensitivities of LDIFlare, cooling and heat threshold testing were 64%, 36%, and 0% respectively for clinically highly suggestive small fiber neuropathy, 64%, 56%, and 19% respectively for mixed fiber neuropathy, and 86%, 79%, and 29% respectively for diabetic mixed fiber neuropathy. DISCUSSION: LDIFlare and cooling thresholds testing are non-invasive small nerve fiber testing modalities, with moderate performance in patients with small and mixed fiber neuropathy, and excellent performance in diabetic mixed fiber neuropathy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».