A review of nutrition in neuropathic pain of leprosy
Notice bibliographique
Résumé
Leprosy is a neglected tropical disease (NTD) that continues to burden low- and middle-income countries (LMICs), despite being eliminated as a public health concern by the World Health Organization (WHO) in 2000. The causative agents, Mycobacterium leprae and Mycobacterium lepromatosis, affect nearly 200,000 individuals globally each year, with over 19,000 new cases detected in the Americas in 2020 alone. Canada has experienced an increasing incidence of leprosy, due to rising levels of travel and migration from endemic areas, reaching over 37,000 individuals with leprosy by the end of 2020. Patients experience a spectrum of signs and symptoms including hypopigmented cutaneous macules alongside peripheral neuropathy including peripheral neuropathic pain (PNP) and disabling sensory neuropathies. Despite the development of effective and curative therapeutics via multidrug therapy (MDT), many barriers to treatment adherence and effective immunological control of the pathogen challenge the care of patients with leprosy. Socioeconomic barriers, such as disability-related social stigma and often undiagnosed nutritional deficiencies, have resulted in heightened disease severity. PNP therapeutics are associated with significant side effects and remain ineffective as the majority of individuals will not experience a greater than 30% reduction of symptoms. Nutrient supplementation is known to be instrumental in reducing host oxidative stress, strengthening the immune system and mitigating comorbidities. Likewise, dietary lifestyle interventions known to be physiologically beneficial have recently emerged as powerful tools conferring neuroprotective effects, potentially mitigating PNP severity. However, a significant knowledge gap concerning the effect of adequate nutrition on host immunological control of leprosy and PNP severity exists. Further evaluation of this relationship will provide key insight into the pathogenesis of leprosy, strengthening the current body of literature.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».