The Association Between Phosphorylated Neurofilament Heavy Chain (pNF-H) and Small Fiber Neuropathy (SFN) in Patients with Impaired Glucose Tolerance
Notice bibliographique
Résumé
INTRODUCTION: Small fiber neuropathy (SFN)-the early stage of diabetic peripheral neuropathy (DPN)-progresses gradually and is difficult to diagnose using neurophysiological tests. To facilitate the early diagnosis of SFN, biomarkers for SFN must be identified. The purpose of this study was to investigate the characteristics of SFN in prediabetic patients and the relationship between pNF-H and SFN. METHODS: 44 IGT patients (inpatients and outpatients) were selected at random. 33 healthy subjects served as controls. Data on clinical characteristics and laboratory parameters were collected. Quantitative sensory testing (QST), electromyography (EMG), and Sudoscan were performed, and pNF-H was measured by ELISA. RESULTS: 24 of the 44 patients with impaired glucose tolerance (IGT) were diagnosed with SFN according to the modified Toronto Diabetic Neuropathy Expert Group consensus criteria. The thermal sensory thresholds of the IGT-SFN group were significantly different from those of the CTRL group (p < 0.05), except for the heat pain threshold. The sensory nerve action potential (SNAP) of the sural nerve was 12.39 in the IGT-SFN group, which was significantly lower than those in the other groups. No significant difference in nerve conduction velocity (NCV) was observed among the three groups. The electrochemical skin conductance (ESC) in the IGT-SFN group was 69.78 ± 14.03uS, which was significantly lower than that in the CTRL group. The pNF-H in the IGT-SFN group was 170.6 (140.0, 223.6) pg/ml, which was significantly higher than those in the CTRL and IGT-non-SFN groups (76.55 and 64.7 pg/ml, respectively). Multivariate regression analysis demonstrated that pNF-H and 2h plasma glucose were independently correlated with SFN; the ORs (95% CI) were 1.429 (1.315, 1.924) and 2.375 (1.157, 4.837), respectively. CONCLUSIONS: Serum pNF-H may be associated with SFN in IGT patients, and serum pNF-H could therefore serve as a sensitive biomarker for the detection of SFN.
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 ».