Vascular Assessment in Patients With a Lower Limb Wound: A Correlational Study of Photoplethysmography and Laser Doppler Flowmetry Toe Pressure Techniques
Notice bibliographique
Résumé
Background: Vascular assessment of the lower limbs is essential in patients with diabetes. In the presence of noncompressible arteries, the ankle brachial index (ABI) can either be inconclusive or provide false-positive results. Toe pressure measurement has been suggested as an alternative as a noninvasive method for detecting peripheral arterial disease (PAD). Toe pressure measurement can be performed either by photoplethysmography (PPG) or by Laser Doppler flowmetry (LDF). The aim of this study was to determine correlations between the two techniques in order to promote the use of PPG in clinical practice. Methods: This was a prospective correlational study of 108 consecutive recruited adult patients, with and without diabetes, with at least one lower limb wound from a University-affiliated hospital wound care clinic. Toe pressure measurements were both performed with PPG and LDF devices. Results: Mean toe pressure values for PPG and LDF were, respectively, 83.7 (SD 35.4) and 79.5 (SD 32.0) mmHg (with a paired t-test 3.969, P < 0.01). In patients with at least one lower limb wound, a strong linear relation was found between PPG and LDF toe pressure techniques with a Pearson’s r correlation coefficient of 0.920 ( P < 0.001). Conclusions: PPG and LDF toe pressure techniques are equivalent in patients with at least one lower limb wound, irrespective of the presence of diabetes. Therefore, in the presence of an ABI with inconclusive results, such as in a patient with noncompressible vessels, both toe pressure techniques can be used for assessing the vascular supply of the lower limb with a wound.
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 | 0,001 | 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) | 0,000 | 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 ».