[A comparison of clinical effectiveness of different neuropathy scoring systems in screening asymptomatic diabetic peripheral neuropathy].
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the clinical effectiveness in screening asymptomatic diabetic peripheral neuropathy (ADPN) by the Michigan neuropathy screening instrument (MNSI) and the Toronto clinical scoring system (TCSS). METHODS: MNSI, TCSS and neural electrophysiological test (NET) were conducted in 232 neurologically asymptomatic type 2 diabetes patients. By using the results of NET as the golden criteria for diagnosis of ADPN, we evaluated the effectiveness of the two different scoring system by the receiver operator characteristic curve. The sensitivity, specificity, positive and negative predictive values, accuracy, Youden indexes and kappa values on different diagnostic cut-off points of MNSI and TCSS were analyzed. The correlation between the two different scoring system and the risk factors of diabetic peripheral neuropathy (DPN) were also analyzed. RESULTS: The area under the ROC curve of MNSI and TCSS were 0.792, 0.704, respectively. The sensitivity, specificity, accuracy, Youden indexes and kappa values of MNSI over 2 and TCSS over 2 were 66.2%vs 73.3%, 90.4% vs 63.7%, 78.3% vs 68.5%, 0.566 vs 0.370, and 0.588 vs 0.345, respectively. MNSI was better than TCSS in the effectiveness of diagnosing ADPN and consistence with the result of NET. Moreover, MNSI was associated with the most related risk factors of DPN including age, glycosylated hemoglobin (HbA1c), HbA1c × disease duration, islet function and HDL-C. CONCLUSIONS: MNSI could be used as a relatively simple and reliable method for clinical and epidemiological screening and assessment of ADPN.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».