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 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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 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 ».