Contemporary Prevalence of Diabetic Neuropathy in Type 1 Diabetes (T1D)—Findings from the T1D Exchange
Notice bibliographique
Résumé
Diabetic peripheral neuropathy (DPN) is a major cause of disability, mortality and poor quality of life in patients with T1D, with prior reported prevalence rates of up to 35%. The contemporary prevalence of DPN in T1D patients was evaluated in T1D Exchange Registry centers throughout the United States. The Michigan Neuropathy Screening Instrument (MNSI), a validated 15-item self-administered questionnaire, was used to assess DPN in adults ≥18 years with ≥ 5 years of T1D duration. A score of ≥4 was used to define DPN. Diabetes-related characteristics and laboratory data were obtained through the most recent clinic update. Chi-square and t-tests were used to compare demographic and diabetes-related characteristics between those with and without DPN. Linear regression was used to determine the effect of DPN on HbA1c, adjusted for possible confounders. In preliminary analyses of 5,058 participants across 62 sites (mean age 39±18 years, T1D duration 22±14 years, 56% female, 88% non-hispanic white, mean HbA1c 8.1±1.6%), the prevalence of DPN was 10%. Those with DPN were older (52±17 vs. 37±18 years), more likely to be female (61% vs. 55%), had longer T1D duration (32±16 vs. 21±13 years), lower annual household income (37% vs. 59% earning ≥$75K), and lower education level (55% vs. 69% with college degree) than those without DPN (all p<0.001). They also had higher systolic blood pressure (126±17 vs. 123±14 mmHg), triglycerides (117±89 vs. 95±62 mg/dL), tobacco use (9% vs. 4%) and prevalence of established CVD (26% vs. 6%), despite higher use of CVD-modifying agents such as statins (64% vs. 31%) and ACE-inhibitors/ARBs (45% vs. 23%) (all p<0.001). Participants with DPN had higher HbA1c (8.4±1.7% vs. 8.1±1.6%), even after adjusting for multiple confounders (p <0.01). The prevalence of DPN in this national T1D cohort is lower than prior published reports, reflecting current clinical care practices, and highlighting other non-glycemic risk factors for DPN including CVD risk factors and socioeconomic status. Disclosure K.R. Mizokami-Stout: None. C.T. Boyle: None. V.N. Shah: None. G. Aleppo: Research Support; Self; AstraZeneca, Novo Nordisk Inc.. Consultant; Self; Dexcom, Inc.. Advisory Panel; Self; Novo Nordisk Inc. J.B. McGill: Research Support; Self; AstraZeneca. Consultant; Self; Boehringer Ingelheim GmbH. Speaker's Bureau; Self; Aegerion Pharmaceuticals. Consultant; Self; Bayer AG, Dexcom, Inc., Intarcia Therapeutics, Inc.. Speaker's Bureau; Self; Janssen Pharmaceuticals, Inc., MannKind Corporation. Research Support; Self; Novartis Pharmaceuticals Corporation. Consultant; Self; Novo Nordisk A/S. R. Pratley: Other Relationship; Self; AstraZeneca, Boehringer Ingelheim Pharmaceuticals, Inc., Eisai Inc., GlaxoSmithKline plc., Janssen Pharmaceuticals, Inc., Lexicon Pharmaceuticals, Inc., Ligand Pharmaceuticals, Inc., Eli Lilly and Company, Merck & Co., Inc., Novo Nordisk Inc., Pfizer Inc., Sanofi-Aventis, Takeda Development Center Americas, Inc.. E. Toschi: None. L. Ang: None. R. Pop-Busui: Research Support; Self; AstraZeneca.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».