Neuropathic Pain With and Without Diabetic Peripheral Neuropathy in Type 1 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: Diabetic peripheral neuropathy (DPN) is common; however, the features and burden of neuropathic pain (NP) in type 1 diabetes (T1D) are poorly understood. We evaluated the incidence of first occurrence, annual prevalence, remission, and risk factors for NP during long-term follow-up of participants with T1D. RESEARCH DESIGN AND METHODS: The Michigan Neuropathy Screening Instrument (MNSI) was administered annually (1994-2020) for 1,324 participants in the Epidemiology of Diabetes Interventions and Complications (EDIC) study. NP with clinical signs of DPN (NP DPN+) was defined according to self-reported NP plus an examination score >2, while NP without clinical signs of DPN (NP DPN-) was defined according to self-reported NP and an examination score ≤2. RESULTS: At EDIC year 1, median age for participants was 36 years (interquartile range 30, 41), diabetes duration 13 years (10, 18), and HbA1c 7.9% (7.2, 8.9). At year 26 (median diabetes duration 39 years), cumulative incidence of NP was 57%, regardless of concomitant clinical signs of DPN (36% NP DPN+ vs. 46% NP DPN-). NP prevalence was 20% at 26 years (11% NP DPN+ and 9% NP DPN-), suggesting frequent remission. Annualized remission rates were similar regardless of pain medication use. In addition to HbA1c, female sex was associated with NP DPN-. CONCLUSIONS: NP incidence in T1D was high and frequently occurred in the absence of clinical signs of neuropathy, as assessed with the MNSI. Pain remission was not explained by pain medication use. Effective clinical strategies for identification and management are needed.
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 | 0,003 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».