Translation, validation, and diagnostic accuracy of the Arabic version of the Michigan neuropathy screening instrument
Notice bibliographique
Résumé
ABSTRACT: The Michigan Neuropathy Screening Instrument (MNSI) is used to screen patients for diabetic neuropathy (DNP). We aimed to translate the MNSI questionnaire into Arabic (MNSIq-Ar) and to assess the validity and diagnostic performance of the MNSI Arabic version (MNSI-Ar).Cronbach alpha α and the interclass correlation coefficient were used to measure the reliability and reproducibility of the MNSIq-Ar. The instrument's validity was assessed by Spearman correlation with the Utah Early Neuropathy Scale (UENS), the Modified Toronto Neuropathy Score (mTCNS), diabetic neuropathy symptoms (DNS), and sural nerve amplitude (SNA). The construct validity of the MNSI-Ar was assessed by its ability to differentiate the severity of DNP (using the Kruskal-Wallis test). The diagnostic performance was assessed through the receiver operator curve area.We recruited 89 participants (mean [SD] age, 50.8 [12.3] years; 48% men). The MNSIq-Ar showed an α of 0.81 and intraclass correlation coefficient = 0.94, and the correlation coefficients with UENS, mTCNS, DNS, and sural nerve amplitude were 0.67, 0.83, 0.73, and -0.49, respectively (all P < .0001). The MNSI-Ar was able to differentiate the different severities of DNP. The receiver operator curve area was 0.93 with a high sensitivity of 95.9% and 100% for probable and confirmed DNP, respectively.MNSI-Ar is a reliable and valid tool to screen for diabetic neuropathy in the Arabic language with a good diagnostic performance and high sensitivity.
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 | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».