Uric Acid Levels Correlate with Sensory Nerve Function in Healthy Subjects
Notice bibliographique
Résumé
BACKGROUND: High levels of uric acid (UA) are associated with various peripheral neuropathies. Furthermore, uric acid levels have been found to correlate with both the clinical and electrophysiological severity of diabetic sensorimotor polyneuropathy, mainly with sensory functions. OBJECTIVES: To determine whether higher UA levels are associated negatively with nerve function in healthy subjects. METHODS: A total of 126 healthy subjects recruited prospectively for another study were included. We extracted demographic data, body mass index (BMI), blood pressure, Toronto Clinical Neuropathy Score (TCNS), electrophysiological findings, vibration perception thresholds (VPT), and laboratory test results including UA, hemoglobin A1c (HbA1c), estimated glomerular filtration rate (eGFR), and lipid levels. RESULTS: The mean age of the cohort was 56 ± 17 years with 56% females. Males had higher UA values compared with females. Univariate beta regression coefficient analysis between UA levels and demographic, clinical, electrophysiological, and laboratory findings showed significant positive correlations with male gender, components of the metabolic syndrome, and with VPT, while an inverse correlation was found with electrophysiological sensory parameters. A multivariate regression model showed positive correlations only with BMI, finger VPT, and triglycerides. CONCLUSION: Higher UA levels correlate with lower sensory nerve function in healthy subjects, expanding the evidence of possible negative influence of UA on peripheral nerves, although a causative role has not yet established.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».