MétaCan
Menu
Retour à la cohorte
Enregistrement W2806995405 · doi:10.1007/s00125-018-4653-8

Corneal confocal microscopy for identification of diabetic sensorimotor polyneuropathy: a pooled multinational consortium study

2018· article· en· W2806995405 sur OpenAlexafffund
Bruce A. Perkins, Leif E. Lovblom, Vera Bril, Daniel Scarr, Ilia Ostrovski, Andrej Orszag, Katie Edwards, Nicola Pritchard, Anthony Russell, Cirous Dehghani, Danièle Pacaud, Kenneth Romanchuk, Jean K. Mah, Maria Jeziorska, Andrew Marshall, Roni M. Shtein, Rodica Pop‐Busui, Stephen I. Lentz, Andrew J.M. Boulton, Mitra Tavakoli, Nathan Efron, Rayaz A. Malik

Notice bibliographique

RevueDiabetologia · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular Surface and Contact Lens
Établissements canadiensAlberta Children's HospitalUniversity Health NetworkUniversity of TorontoLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalUniversity of Calgary
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Health and Medical Research CouncilSanofi GenzymeNational Institute of Neurological Disorders and StrokeEuropean Association for the Study of DiabetesNovo NordiskUniversity of TorontoInsulet CorporationSanofiPTC TherapeuticsCanadian Society of Endocrinology and MetabolismCanadian Diabetes AssociationBiogenEli Lilly and CompanyBristol-Myers SquibbPfizerCanadian Institutes of Health ResearchAmerican Diabetes AssociationDiabetes CanadaNational Institutes of HealthU.S. Department of Health and Human Services
Mots-clésMedicineType 2 diabetesCohortDiabetes mellitusType 1 diabetesPolyneuropathyInternal medicineOphthalmologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Small cohort studies raise the hypothesis that corneal nerve abnormalities (including corneal nerve fibre length [CNFL]) are valid non-invasive imaging endpoints for diabetic sensorimotor polyneuropathy (DSP). We aimed to establish concurrent validity and diagnostic thresholds in a large cohort of participants with and without DSP. Nine hundred and ninety-eight participants from five centres (516 with type 1 diabetes and 482 with type 2 diabetes) underwent CNFL quantification and clinical and electrophysiological examination. AUC and diagnostic thresholds were derived and validated in randomly selected samples using receiver operating characteristic analysis. Sensitivity analyses included latent class models to address the issue of imperfect reference standard. Type 1 and type 2 diabetes subcohorts had mean age of 42 ± 19 and 62 ± 10 years, diabetes duration 21 ± 15 and 12 ± 9 years and DSP prevalence of 31% and 53%, respectively. Derivation AUC for CNFL was 0.77 in type 1 diabetes ( p < 0.001) and 0.68 in type 2 diabetes ( p < 0.001) and was approximately reproduced in validation sets. The optimal threshold for automated CNFL was 12.5 mm/mm 2 in type 1 diabetes and 12.3 mm/mm 2 in type 2 diabetes. In the total cohort, a lower threshold value below 8.6 mm/mm 2 to rule in DSP and an upper value of 15.3 mm/mm 2 to rule out DSP were associated with 88% specificity and 88% sensitivity. We established the diagnostic validity and common diagnostic thresholds for CNFL in type 1 and type 2 diabetes. Further research must determine to what extent CNFL can be deployed in clinical practice and in clinical trials assessing the efficacy of disease-modifying therapies for DSP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,305
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations154
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiabetologiaMême sujetOcular Surface and Contact LensTravaux en français237 207