The Occurrence, Trends, and Factors That Forecast Diabetic Peripheral Neuropathy: A Tertiary Centre Study
Notice bibliographique
Résumé
Background: Diabetes is becoming increasingly prevalent worldwide, including in emerging countries. Diabetic peripheral neuropathy (DPN) is a common and potentially severe complication of diabetes, yet it has been relatively understudied, especially in developing nations. This study focuses on India, a country with a rapidly growing diabetic population, to determine the prevalence and factors associated with DPN. Methodology: It was a cross-sectional study conducted in 200 diagnosed cases of T2DM patients attending the OPD, inpatient in department of Medicine and Neurology, GSVM medical college and hospital, Kanpur, between April 2022 to April 2023 and assessed for peripheral neuropathy. Ethics committee approval was duly taken with the study conducted in accordance with the guidelines. Informed consent was taken from each participant. Inclusion criteria included prior diabetes diagnoses from government hospitals or registered medical practitioners, meeting ADA and WHO diagnostic criteria for new cases, BMI ≥ 27.5 kg/m² (as per WHO for Asians), and assessments for diabetic retinopathy or nephropathy. Exclusion criteria encompassed institutionalized individuals, data from unselected provinces, no prior diabetes diagnosis, and missing key variable data. The study involved 200 diabetic patients and assessed DPN using the Diabetic Neuropathy Symptom (DNS) Score and the Toronto Clinical Scoring System (TCSS). Logistic regression analysis was employed to identify factors associated with DPN. Results: The study found that 24.0% of the diabetic patients had DPN. Factors associated with DPN included gender, smoking, insulin treatment, diabetic retinopathy, and the presence of foot ulcers. Recommendations: (DPN) in emerging countries like India include raising awareness, implementing regular screening, improving diabetes care, promoting healthier lifestyles, ensuring better healthcare access, prioritizing research, and creating targeted treatment plans. Conclusion: This study sheds light on the prevalence and risk factors for DPN in India, an emerging country with a growing diabetes burden. Identifying these risk factors can contribute to improved treatment and prevention strategies for DPN in India and similar settings.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».