Profil épidémiologique et clinique de la polyneuropathie distale chez patients diabétiques suivis dans un centre de référence en Afrique Sub-saharienne
Notice bibliographique
Résumé
Introduction: les neuropathies diabtiques sont des complications dgnratives les plus frquentes lies au diabte. Lobjectif tait de dcrire les aspects pidmiologiques et cliniques de la polyneuropathie distale (PND) chez les patients diabtiques. Mthodes: nous avons effectu une tude transversale descriptive au centre national de rfrence de Yaound au Cameroun. Les patients diabtiques gs dau moins 18 ans ont t inclus. Le profil sociodmographique, les antcdents mdicaux, les paramtres anthropomtriques, les caractristiques cliniques et le traitement du diabte ont t recueillies laide dune fiche technique prteste. La PND a t diagnostique et value en utilisant les critres du Toronto Clinical Scoring System (TCSS). La douleur neuropathique a t diagnostique laide du DN-4 et son intensit value par le Neuropathic Pain Scale (NPS). Rsultats: 200 patients ont t inclus. Lge moyen tait de 5714 ans. 96% avaient un diabte de type 2. Les femmes reprsentaient 51%. La PND a t retrouve chez 89/200 patients avec une prvalence de 44,5%. La dure moyenne du diabte de type 2 tait de 6 2,8 ans. La gravit de la PND au TCSS tait lgre chez 53,9%. La forme symptomatique a t retrouve chez 67/89 sujets, soit une prvalence de 33,5%, avec une intensit de la douleur value 6/10 par la NPS. Les facteurs cliniques associs la PND taient lhyperglycmie jeun (p < 0,0001), la dure du diabte ≥ 5 ans (p = 0,002), linsulinothrapie (p = 0,01) et la non observance au traitement (p = 0,038). La svrit de la PND tait significativement associe avec la dure du diabte (P=0,025) et lhyperglycmie jeun (P = 0,026). Conclusion: la PND est frquente. Souvent douloureuse, elle est associe la dure du diabte et au dsquilibre hyperglycmique.
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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 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 ».