Risk Factors Associated with Peripheral Neuropathy in Type 2 Diabetic Patients at Tertiary Care Hospital-A Cross Sectional Study
Notice bibliographique
Résumé
Objectives: This study was aimed to determine the prevalence of DPN among patients visiting a tertiary care hospital and the associated risk factors. Methods: A cross-sectional study was conducted among 273 type-II diabetics attending a General Medicine OPD of tertiary care hospital. Toronto clinical scoring system was used for detecting peripheral neuropathy. Data analysis was done using SPSS version 16.0. The association of risk factors with the presence of DPN was analysed by using Pearsons chisquare test. The accepted level of significance was set below 0.05 (P<0.05).Results: The Prevalence of peripheral neuropathy in our study was found to be 45.4%. Prevalence of DPN increased in the participants with increased age, increased duration of diabetes, increased HbA1c and increased BMI, with Hypertension & dyslipidimea and it is statistically significant with p<0.001. Prevalence of DPN was found higher among the male participants & smokers and it is statistically significant with p<0.05 & p<0.001 respectively. Conclusion: As there is a high prevalence of peripheral neuropathy among type-II diabetic patients, early detection through routine screening and regular follow up examinations will be helpful in preventing the progression of Neuropathy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».