Cross-Sectional Study of the Relationship Between Medial Plantar Nerve Conduction Studies and Severity of Diabetic Neuropathy
Notice bibliographique
Résumé
Objective: Diabetic peripheral neuropathy (DPN), a complication of diabetes, is detected only in later stages. Medial plantar nerve (MPL) can identify earlier stages of neuropathy. We evaluated the correlation of MPL sensory nerve action potentials (SNAPs) and severity of DPN measured using the Toronto Clinical Neuropathy Score (TCNS). Methods: In this hospital-based, cross-sectional study, we recruited diabetic subjects referred for suspected DPN. Neuropathy was graded with TCNS. Sural nerve conduction studies were performed using standard techniques. MPL studies were conducted using the modified Ponsford technique. All evaluations were performed on Nihon Kohden (model MEB 9200K). Averaged MPL SNAP was correlated with TCNS using Pearson’s correlation coefficient. To estimate a correlation of 0.4 with 80% power ( P = 0.05), we needed 46 subjects. Linear regression was conducted to adjust for age, duration, and diabetic control. Receiver operating characteristic (ROC) curve analysis was performed to obtain the cutoff for MPL SNAP values using the Youden index. Results: Fifty-one subjects with a mean age of 53.5 years (8.7) and mean duration of diabetes of 10.2 years (7.2) were included. MPL SNAPs were recordable in 12 patients, and the mean amplitude was 5.15 (2.9) µV. There was correlation between MPL SNAP and TCNS ( r = -0.43, P = 0.02). No confounding was seen. Use of MPL SNAP resulted in diagnosis of DPN in an additional six (11.8%) patients. The ROC curve suggested that MPL SNAP cutoff of 1.05 µV had an accuracy of 67% in identifying neuropathy as defined by TCNS. Conclusions: MPL SNAP has a moderate correlation with clinical score and identifies more diabetic neuropathy than sural nerve.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».