461-P: Diagnostic Accuracy of One Physical Examination Test vs. Three for Diabetic Peripheral Neuropathy Screening
Notice bibliographique
Résumé
Introduction and Objective: ADA guidelines recommend using three physical examination tests (temperature or pinprick for small-fiber function, vibration for large-fiber function, and monofilament) for annual neuropathy screening. As some guidelines recommend choice of one test, we aimed to determine if the ADA strategy has better cross-sectional diagnostic accuracy over one test in adults with diabetes. Methods: We performed an updated analysis on baseline data from the Toronto Diabetic Neuropathy longitudinal cohort (N=478, 70 (15%) with T1D). 345(72%) participants had neuropathy according to the ‘Toronto Criteria’ nerve conduction study-based classification. Simultaneously, all underwent blinded assessment by independent examiners for pinprick, vibration (by the on-off method), and monofilament. Logistic regression and Area Under the receiver operating characteristic Curve (AUC) determined diagnostic accuracy for each testing strategy. Results: AUC for the combined three-test multiple logistic regression model was 0.84. Each of monofilament, pain, and vibration had slightly lower AUC (0.79, 0.75, and 0.74, respectively, p<0.001 for all comparisons). The optimal cut-point for the three-test model (predicted probability of 0.70) had sensitivity 80%, specificity 75%, likelihood ratio positive (LR+) 3.16, likelihood ratio negative (LR-) 0.27, and Diagnostic Odds Ratio (DOR) 11.7. The optimal cut-point for the single test with highest AUC (3 or fewer sensate monofilament responses out of 8) had sensitivity 67%, specificity 78%, LR+ 3.01, LR- 0.42, and DOR 7.2. Conclusion: The combined three-test ADA strategy had the best overall diagnostic accuracy. However, use of a single physical examination maneuver, such as the monofilament, had acceptable diagnostic performance. Future work should focus on the best strategy for prediction of future neuropathy onset. Disclosure A. Al Mulla: None. E. Parikh: None. L. Lovblom: None. A. Orszag: None. V. Bril: None. B.A. Perkins: Other Relationship; Abbott, Novo Nordisk, Sanofi. Advisory Panel; Abbott, Insulet Corporation, Sanofi, Novo Nordisk, Nephris, Vertex Pharmaceuticals Incorporated. Research Support; Novo Nordisk.
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 | 0,012 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».