Prealbumin to fibrinogen ratio is closely associated with diabetic peripheral neuropathy
Notice bibliographique
Résumé
The aim of our study was to explore the diagnostic value of prealbumin to fibrinogen ratio (PFR) for predicting prognosis with the optimal cut-off value in diabetic peripheral neuropathy (DPN) patients. A total of 568 type 2 diabetes mellitus (T2DM) patients were enrolled in this study. The values including Toronto clinical neuropathy score (TCNS), nerve conduction velocity (NCV), vibration perception threshold (VPT), blood cells count, biochemical parameters, fibrinogen and PFR were recorded. The patients were divided into tertiles based on admission PFR value. First, clinical parameters were compared among the groups. Secondly, a logistic regression and ROC analysis were performed as the statistical model. The percentage of DPN, TCNS and VPT were significantly higher in the lowest PFR tertile than in the middle PFR tertile and the highest PFR tertile (P < 0.01-0.001). NCV was significantly lower in lowest PFR tertile than in the middle PFR tertile and the highest PFR tertile (P < 0.01-0.001). The Spearman correlation analysis showed that PFR was negatively correlated with TCNS and VPT (P < 0.001), while PFR was positively correlated with median motor NCV (P < 0.001), peroneal motor NCV (P < 0.001), median sensory NCV (P < 0.001), and peroneal sensory NCV (P < 0.001). After adjusting these potentially related factors, PFR was independently related to DPN (P = 0.007). The area under ROC curve was 0.627. This study finds the first evidence to suggest PFR may be the key component associated with DPN in T2DM, while PFR might underlie the pathophysiologic features of DPN.
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) | 0,001 | 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 ».