Prevalence and risk factors of diabetic peripheral neuropathy: A population‐based cross‐sectional study in China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: To assess the prevalence of diabetic peripheral neuropathy (DPN) and its risk factors in the type 2 diabetes mellitus (T2DM) population. METHODS: This cross-sectional study enroled patients with T2DM between July and December 2017 from 24 provinces in China. Diabetic peripheral neuropathy and its severity were assessed by the Toronto clinical scoring system, neuropathy symptoms score (NSS) and neuropathy disability score. The prevalence of DPN and its risk factors were analysed. RESULTS: A total of 14,908 patients with T2DM were enroled. The prevalence of DPN was 67.6%. Among 10,084 patients with DPN, 4808 (47.7%), 3325 (33.0%), and 1951 (19.3%) had mild, moderate, and severe DPN, respectively. The prevalence of DPN in females was higher than in males (69.0% vs. 66.6%, P = 0.002). The prevalence of DPN increased with age and course of diabetes and decreased with body mass index (BMI) and education level (all P for trend <0.05). The comorbidities and complications in patients with DPN were higher than in those without DPN, including hypertension, myocardial infarction, diabetic retinopathy, and diabetic nephropathy (all P < 0.001). Age, hypertension, duration of diabetes, diabetic retinopathy, diabetic nephropathy, glycated haemoglobin, high-density lipoprotein cholesterol, and lower estimated glomerular filtration rate were positively associated with DPN, while BMI, education level, fasting C-peptide, and uric acid were negatively associated with DPN. CONCLUSIONS: Among patients with T2DM in China, the prevalence of DPN is high, especially in the elderly, low-income, and undereducated patients.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle