The clinical efficacy of epalrestat combined with α-lipoic acid in diabetic peripheral neuropathy
Notice bibliographique
Résumé
BACKGROUND: Diabetic peripheral neuropathy (DPN) is a common long-term complication of diabetes mellitus, affecting patients in the world. Epalrestat combined with α-lipoic acid (ALA) is the most frequent combine therapy used in the DPN researches. We aim to assess the effectiveness and safety of epalrestat combined with ALA in patients with DPN, compare with epalrestat alone. METHODS: We will search Cochrane Library, PubMed, Wanfang Data, China National Knowledge Infrastructure, VIP Chinese Science and Technology Journals Database, and Chinese Biomedical Database from inception until October 31th, 2017. Inclusion the randomized controlled trials and clinical control trials of combine therapy which evaluate clinical efficacy and side effect in people with DPN. Data extraction and risk of bias assessments will be independently conducted by 2 reviewers. The primary outcome measures will be total effective rate, motor nerve conduction velocity (MNCV), sensory nerve conduction velocity (SNCV), Toronto clinical scoring system (TCSS), and total symptom score (TSS). All statistical analyses will be performed using RevMan V.5.3 software. RESULTS: This review will evaluate the total effective rate, nerve conduction velocity, TCSS, TSS, and safety of ALA combined with epalrestat for patients with DPN, compare with epalrestat alone. CONCLUSION: Our study will provide evidence to assess whether epalrestat combined with ALA is an optional treatment for patients with DPN.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».