Ulnar F-wave Study in the Detection of Subclinical Diabetic Neuropathy
Notice bibliographique
Résumé
Background: Diabetic peripheral neuropathy (DPN) brought on by damage to the peripheral sensory and motor nerves. Since the F-wave passes through both the afferent and efferent pathways in the motor nerve, alterations in the F response parameters may indicate injury to either of these pathways.Objective: To explore the effectiveness of ulnar F-wave parameters in diagnosing subclinical neuropathy in patients with type 2 diabetes mellitus (T2DM).Methods: The study examined F-wave, glycated hemoglobin (HbA1c), and modified Toronto clinical neuropathy score (mTCNS), in addition to sural to radial amplitude ratio, sensory and motor conduction of upper and lower limb nerves, in 116 T2DM patients and 121 control participants.Results: In comparison to controls, DPN patients exhibit longer F-minimum (Fmin), F-maximum (Fmax), F-ratio (Fr), and modified F-ratio (mFr). Along with higher F-chronodispersion (Fc) and F-estimate (Fe), they also show lower F-persistence (Fp), F-wave conduction velocity (FWCV), and F-index (Fi). Patients with DPN have higher F-estimate (Fe) values than the controls, whereas patients without DPN have lower Fi. There was a strong correlation observed between several F-wave parameters and the mTCNS, disease duration, and HbA1c.Conclusion: Increased mFr value, longer Fm latency, and higher Fi value were useful in the early identification of subclinical DPN, while higher Fi value, FWCV slowing, and prolonged Fmin and Fmax latencies helped identify patients with clinical DPN. When separating diabetics with T2DM from those without DPN, the Fi value has the highest sensitivity and specificity.Keywords: DM, subclinical neuropathy, ulnar nerve, F-wave.Citation: Abdul Qader AA, Hamdan FB, Khudhair MS. Ulnar F-wave study in the detection of subclinical diabetic neuropathy. Iraqi JMS. 2025; 23(2): 282-296. doi: 10.22578/IJMS.23.2.11
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 | 0,023 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».