Diagnosis and prevalence of diabetic polyneuropathy: a cross‐sectional study of Danish patients with type 2 diabetes
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Diabetic polyneuropathy (DPN) is a common complication of diabetes. Using the Toronto criteria for diabetic polyneuropathy and the grading system for neuropathic pain, the performance of neuropathy scales and questionnaires were assessed by comparing them to a clinical gold standard diagnosis of DPN and painful DPN in a cohort of patients with recently diagnosed type 2 diabetes. METHODS: A questionnaire on neuropathy and pain was sent to a cohort of 5514 Danish type 2 diabetes patients. A sample of 389 patients underwent a detailed clinical examination and completed neuropathy questionnaires and scales. RESULTS: Of the 389 patients with a median diabetes duration of 5.9 years, 126 had definite DPN (including 53 with painful DPN), 88 had probable DPN and 53 had possible DPN. There were 49 patients with other causes of polyneuropathy, neuropathy symptoms or pain, 10 with subclinical DPN and 63 without DPN. The sensitivity of the Michigan Neuropathy Screening Instrument questionnaire to detect DPN was 25.7% and the specificity 84.6%. The sensitivity of the Toronto Clinical Neuropathy Scoring System, including questionnaire and clinical examination, was 62.9% and the specificity was 74.6%. CONCLUSIONS: Diabetic polyneuropathy affects approximately one in five Danish patients with recently diagnosed type 2 diabetes but neuropathic pain is not as common as previously reported. Neuropathy scales with clinical examination perform better compared with questionnaires alone, but better scales are needed for future epidemiological studies.
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 | 0,000 | 0,000 |
| 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 ».