Prevalence, Pattern and Factors Associated with Diabetic Peripheral Neuropathy in Benha City, Egypt
Notice bibliographique
Résumé
Background:Diabetic peripheral neuropathy (DPN) is the most frequent kind of neuropathy globally. DPN is one of the most prevalent and serious microvascular consequences of diabetes.Objective: To assess prevalence of DPN, its pattern, severity and associated risk factors in Benha City, Egypt. Patients and methods: This cross-sectional observational study was conducted on 500 diabetic patients (type 1 and type 2). All patients were subjected tocomplications of diabetes especially microvascular and macrovascular complications, diabetic foot and history of previous operations, physical examinations (general, neurological, sensory examination and Toronto clinical scoring system (TCSS)) and laboratory investigations (CBC, hemoglobin A1c (HbA1c), kidney function tests, liver function tests, serum thyroid-stimulating hormone and lipogram).Results: Body mass index (BMI), height, duration of diabetes, HbA1c, and thyroid-stimulating hormone (TSH) had a strong positive significant correlation with TCSS score (r=0.338, P< 0.001; r=0.335, P< 0.001; r=0.630, P< 0.001; r=0.806, P< 0.001; r=0.332, P< 0.001 respectively). Low-density lipoprotein-cholesterol (LDL-C) level and triglycerides level had no significant correlation with TCSS score (r= 0.015, P= 0.743; r= 0.074, P= 0.097 respectively). Conclusions: The primary risk factors include higher BMI, height, hard working, smoking, poor glycemic management, extended diabetes mellitus (DM), metformin use, chronic kidney disease (CKD), and an abnormal thyroid profile. After documenting these findings, a greater effort should be made to lower the frequency and severity of PDN in diabetic patients by education emphasising regular foot care, strict glucose control, and lifestyle adjustment.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».