Relationship between diabetic peripheral neuropathy and retinal nerve fiber layer thinning
Notice bibliographique
Résumé
Objective To measure the retinal nerve fiber layer (RNF) thickness in patients with non-proliferative diabetic retinopathy (NPDR) of different severity peripheral neuropathy,and explore the correlation between RNFL thickness and severity of diabetic peripheral neuropathy.Methods Seventy-eight patients with NPDR diagnosed by fundus fluorescein angiography (FFA) were included in this study.Normal control group containing 50 cases,The level of neuropathy was assessed in 78 participants using Toronto clinical scoring system (TCSS).Participants were stratified into four neuropathy groups:none,mild,moderate,and severe.The mean RNFL thickness and the superior,inferior,nasal and temporal retinal nerve fiber layer thicknesses were measured at 3.45 mm diameter around,the optic nerve head using optical coherence tomography (OCT).RNFL thickness difference was estimate according to the analysis of DPN degree between the teams,and analysis evaluation retinopathy to the influence of RNFL thickness.Results Compared normal control group with mild,moderate,and severe DPN group,there were statistical differences in the mean and superior,inferior of quadrant of RNFL (P ＜0.05 for all); No DPN group and normal control group comparison,only inferior quadrant RNFL thickness had statistical difference (P ＜0.05).According to the degree of retinopathy,compared with normal control group,moderate and severe NPDR group mean,superior,inferior of quadrant RNFL thickness difference had statistical significance (P ＜0.05 for all); Mild NPDR group and normal control group comparison,inferior quadrant RNFL thickness had statistical difference(P ＜0.05).Conclusions RNFL thinning is associated with peripheral neuropathy in NPDR patients.With DPN symptoms appear and aggravating,RNFL thickness obviously thin.This is a simple method to speculation RNFL thickness change based on simple assessment of DPN,bring convenience for clinical work. Key words: Diabetic peripheral neuropathy; Diabetic retinopathy; Optical coherence tomography; Retinal nerve fiber layer thinning
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 | 0,002 |
| 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 ».