Corneal Confocal Microscopy Predicts the Development of Diabetic Neuropathy: A Longitudinal Diagnostic Multinational Consortium Study
Notice bibliographique
Résumé
OBJECTIVE Corneal nerve fiber length (CNFL) has been shown in research studies to identify diabetic peripheral neuropathy (DPN). In this longitudinal diagnostic study, we assessed the ability of CNFL to predict the development of DPN. RESEARCH DESIGN AND METHODS From a multinational cohort of 998 participants with type 1 and type 2 diabetes, we studied the subset of 261 participants who were free of DPN at baseline and completed at least 4 years of follow-up for incident DPN. The predictive validity of CNFL for the development of DPN was determined using time-dependent receiver operating characteristic (ROC) curves. RESULTS A total of 203 participants had type 1 and 58 had type 2 diabetes. Mean follow-up time was 5.8 years (interquartile range 4.2–7.0). New-onset DPN occurred in 60 participants (23%; 4.29 events per 100 person-years). Participants who developed DPN were older and had a higher prevalence of type 2 diabetes, higher BMI, and longer duration of diabetes. The baseline electrophysiology and corneal confocal microscopy parameters were in the normal range but were all significantly lower in participants who developed DPN. The time-dependent area under the ROC curve for CNFL ranged between 0.61 and 0.69 for years 1–5 and was 0.80 at year 6. The optimal diagnostic threshold for a baseline CNFL of 14.1 mm/mm2 was associated with 67% sensitivity, 71% specificity, and a hazard ratio of 2.95 (95% CI 1.70–5.11; P < 0.001) for new-onset DPN. CONCLUSIONS CNFL showed good predictive validity for identifying patients at higher risk of developing DPN ∼6 years in the future.
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 | 0,001 |
| 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 ».