Clinical value of high‐frequency ultrasound and serum <scp>miR</scp>‐92a‐3p in diabetic peripheral neuropathy
Notice bibliographique
Résumé
AIMS/INTRODUCTION: Cross-sectional area (CSA) by high-frequency ultrasound (HF-US) detects morphologic changes in neuropathy. microRNA (miR)-92a-3p is linked to diabetes and nerve damage. Our study evaluated the diagnostic use of CSAs along with miR-92a-3p in diabetic peripheral neuropathy (DPN) and its relationship to the condition. MATERIALS AND METHODS: A total of 172 patients were enrolled, comprising 89 with DPN and 83 T2DM cases without DPN. Real-time quantitative polymerase chain reaction (RT-qPCR) was utilized to quantify serum miR-92a-3p levels. HF-US detected CSA in the median, ulnar, and tibial nerves. Logistic regression analyzed potential risk factors for DPN occurrence and severity. Receiver operating characteristic curves assessed the diagnostic significance of miR-92a-3p and CSAs for DPN. Pearson coefficients evaluated the correlation between the Toronto Clinical Scoring System (TCSS) score and miR-92a-3p or CSAs. RESULTS: DPN patients had significantly higher serum miR-92a-3p levels and CSAs of the median, tibial, and ulnar nerves than T2DM patients. Moreover, miR-92a-3p and CSAs were risk factors for DPN. When combined, they yielded an AUC of 0.891, with 80.90% sensitivity and 91.57% specificity, accurately identifying DPN patients. Furthermore, miR-92a-3p and CSAs correlated with TCSS score and were higher in moderate-to-severe patients with DPN than in mild patients with DPN. Finally, miR-92a-3p combined with CSAs predicted moderate-to-severe DPN with 91.67% sensitivity and 85.37% specificity. CONCLUSIONS: Serum miR-92a-3p and CSAs of median, ulnar, and tibial nerves are elevated in DPN patients. Their combination has high diagnostic significance in identifying DPN in T2DM patients and assessing its severity.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».