Effect of ligustrazine on diabetic peripheral neuropathy and its influence on the level of serum CRP
Notice bibliographique
Résumé
Objective To investigate the effect of ligustrazine on diabetic peripheral neuropathy(DPN) and its influence on the level of serum C reactive protein(CRP). Methods 76 patients with DPN were selected as the subjects. According to the random number table method, the patients were randomly divided into two groups, 38 cases in each group . The control group was given mecobalamin treatment. The study group was treated with ligustrazine on the basis of the control group. The clinical efficacy of the two groups was observed and compared with the Toronto clinical neurological lesion(TCSS) score and serum CRP level. Results The study group was markedly effective in 20 cases(52.6%), effective in 15 cases(39.5%), ineffective in 3 cases(7.9%). In the control group, the markedly effective in 13 cases (34.2%), effective in 14 cases(36.8%), invalid in 11 cases(28.9%). The clinical efficacy of the study group was significantly better than that of the control group(Z=-6.447, P 0.05). The TCSS scores of the two groups were significantly higher than before treatment(all P<0.05). After treatment, the TCSS score of the study group [(7.24±2.36)points]was significantly lower than(9.08±2.94)points of the control group(t=3.009, P<0.05). The serum CRP levels of the two groups were significantly lower than before treatment(all P<0.05), and the serum CRP level of the study group[(2.82±0.36)mg/L]was significantly lower than that of the control group[(3.48±0.96)mg/L](t=3.968, P<0.05). Conclusion Ligustrazine in the treatment of patients with DPN can significantly improve the degree of neuropathy and reduce the level of serum CRP, so the clinical efficacy is ideal. Key words: Ligustrazine; Diabetic neuropathies; Comparative effectiveness research; C-reactive protein
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».