MétaCan
Menu
Retour à la cohorte
Enregistrement W3197875035 · doi:10.1093/brain/awab330

Progression and regression of nerve fibre pathology and dysfunction early in diabetes over 5 years

2021· article· en· W3197875035 sur OpenAlexaboutno aff
Dan Ziegler, Gidon J. Bönhof, Alexander Strom, Klaus Straßburger, Yanislava Karusheva, Julia Szendroedi, Michael Roden

Notice bibliographique

RevueBrain · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesDeutsches Zentrum für DiabetesforschungCalifornia Department of Fish and GameSchmutzler StiftungEurostarsBundesministerium für Bildung und ForschungBundesministerium für GesundheitEuropean Regional Development FundDeutsche Forschungsgemeinschaft
Mots-clésMedicineType 2 diabetesDiabetes mellitusPolyneuropathyType 1 diabetesNerve conductionInternal medicineDiabetic neuropathyNerve fibreCohortNerve conduction velocityPeripheral neuropathyPathologyGastroenterologyEndocrinologyAnatomy

Résumé

récupéré en direct d'OpenAlex

It has traditionally been suggested that the early development of diabetic sensorimotor polyneuropathy (DSPN) is characterized by predominant and progressive injury to small nerve fibres followed by large fibre impairment. We alternatively hypothesized that small and large fibre damage due to DSPN in type 1 and type 2 diabetes could develop in parallel and may not only be progressive but also reversible. Participants from the German Diabetes Study baseline cohort with recent-onset type 1/type 2 diabetes (n = 350/570) and age-matched glucose-tolerant control individuals (Control 1/Control 2: n = 114/190) were assessed using nerve conduction studies, thermal detection thresholds, vibration perception thresholds, neuropathy symptom scores, neuropathy disability scores and intraepidermal nerve fibre density (IENFD) in skin biopsies (type 1/type 2 diabetes: n = 102/226; Control 1/Control 2: n = 109/208). Subsets of participants with type 1/type 2 diabetes were followed for 5 years (n = 184/307; IENFD subset: n = 18/69). DSPN was defined by the Toronto Consensus criteria. At baseline, DSPN was present in 8.1% and 13.3% of the type 1 and type 2 diabetes groups, respectively. The most frequently abnormal tests in the lower limbs below or above the 2.5th and 97.5th centiles of the controls were the IENFD (13.7%) and individual nerve conduction studies (up to 9.4%) in type 1 diabetes participants and IENFD (21.8%), malleolar vibration perception thresholds (17.5%), and individual nerve conduction studies (up to 11.8%) in those with type 2 diabetes, whereas thermal detection threshold abnormalities did not differ between the control and diabetes groups. After 5 years, the highest progression rates from the normal to the abnormal range in type 2 diabetes participants were found for IENFD (18.8%) by -4.1 ± 2.8 fibres/mm, malleolar vibration perception threshold (18.6%) by 9.1 ± 20.2 µm and nerve conduction studies (15.0%) by 3.7 ± 1.5 points, while vice versa the highest regression rates were observed for neuropathy disability scores (11.2%) by -3.1 ± 1.3 points, sural nerve amplitudes (9.1%) by 4.7 ± 3.0 µV, IENFD (8.7%) by 1.4 ± 1.3 fibres/mm, and neuropathy symptom scores (8.2%) by -5.8 ± 1.6 points. In type 1 diabetes participants, no major progression was seen after 5 years, but subclinical DSPN regressed in 10.3%. These findings point to early parallel damage to both small and large nerve fibres in well-controlled recent-onset type 2 and, to a lesser extent, type 1 diabetes. After 5 years, peripheral nerve morphology and function and clinical measures progress to the abnormal range in type 2 diabetes, but initial nerve alterations are also reversible to a meaningful degree.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,320
Score d'incertitude au seuil0,160

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,271
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetPain Mechanisms and TreatmentsTravaux en français237 207