Peripheral Neuropathy and Cardiac Autonomic Neuropathy among Type II Diabetic Patients: Prevalence and Risk Factors
Notice bibliographique
Résumé
Background: The two most common chronic complication softype 2 diabetes mellitus (T2DM) are peripheral neuropathy (PN) and Cardiac autonomic neuropathy (CAN).Diagnosing neuropathies at subclinical stage can prevent the morbidity and mortality.
 Objectives: To determine the prevalence of peripheral neuropathy and cardiovascular autonomic neuropathy and their risk factors in type-II diabetic patients attending a tertiary care hospital.
 Methods: An observational cross sectional study was done from December 2019 to November 2020 in the department of General medicine at tertiary care hospital. 273 type II diabetic patients were selected for this study. Toronto clinical scoring system was used for assessing PN and ewings cardiovascular reflex study was used done to assess CAN. To identify the risk factors of PN and CAN, Logistic regression analysis was used.
 Results: The prevalence of PN and CAN was 45.4% and 34.06% respectively, while29.3% participants had both. Smoking (OR: 12.976; 95% CI: 0.052–0.418, P<0.0001) and poor glycaemic control (OR: 27.231; 95% CI: 5.226–38.201, P<0.0001) were independent risk factors of DPN. poorglycaemic control (OR: 26.970; 95% CI: 3.507–16.055, P <0.0001) and Dyslipidimea (OR: 11.792; 95% CI: 0.096–0.526, P ≤ 0.001) were independent predictors of CAN.
 Interpretation and Conclusions: PN and CAN are common among diabetic patients, and thus it is recommended to screen Peripheral Neuropathy and CAN in all diabetic patients for the early diagnosis and preventing the debilitating complications
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| 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 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 ».