Painful Diabetic Peripheral Neuropathy: Practical Guidance and Challenges for Clinical Management
Notice bibliographique
Résumé
Painful diabetic peripheral neuropathy (PDPN) is present in nearly a quarter of people with diabetes. It is estimated to affect over 100 million people worldwide. PDPN is associated with impaired daily functioning, depression, sleep disturbance, financial instability, and a decreased quality of life. Despite its high prevalence and significant health burden, it remains an underdiagnosed and undertreated condition. PDPN is a complex pain phenomenon with the experience of pain associated with and exacerbated by poor sleep and low mood. A holistic approach to patient-centred care alongside the pharmacological therapy is required to maximise benefit. A key treatment challenge is managing patient expectation, as a good outcome from treatment is defined as a reduction in pain of 30-50%, with a complete pain-free outcome being rare. The future for the treatment of PDPN holds promise, despite a 20-year void in the licensing of new analgesic agents for neuropathic pain. There are over 50 new molecular entities reaching clinical development and several demonstrating benefit in early-stage clinical trials. We review the current approaches to its diagnosis, the tools, and questionnaires available to clinicians, international guidance on PDPN management, and existing pharmacological and non-pharmacological treatment options. We synthesise evidence and the guidance from the American Association of Clinical Endocrinology, American Academy of Neurology, American Diabetes Association, Diabetes Canada, German Diabetes Association, and the International Diabetes Federation into a practical guide to the treatment of PDPN and highlight the need for future research into mechanistic-based treatments in order to prioritise the development of personalised medicine.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».