Professional Documents
Culture Documents
PENDAHULUAN
Neuropati perifer diabetes (DPN) adalah manifestasi progesif diabetes dengan
didapatkan kerusakan serabut saraf . Hal ini sangat penting untuk mendeteksi neuropati awal
serabut saraf kecil distal untuk memprediksi dan mencegah morbiditas progresif yang
mungkin terdapat rasa sakit , ketidakseimbangan , deformitas kaki , ulserasi , dan amputasi.
Namun , awal neuropati subklinis tidak bisa didiagnosis dengan tes klinis saat ini seperti
monofilamen 10g atau Score Neuropati Cacat ( NDS ). Metode ini digunakan untuk
mengidentifikasi pasien dengan DPN yang sudah berisiko tinggi ulserasi kaki. Mengingat
bahwa serabut kecil neuropati (SFN) adalah manifestasi awal DPN dan berperan penting
dalam etiopatogenesis dari ulserasi kaki karena hilangnya sensasi nyeri, anhidrosis, dan aliran
darah jaringan, tes skrining idealnya mengevaluasi serabut ini. Beberapa tes untuk
mengevaluasi SFN telah ditetapkan dalam pengaturan praktek dan penelitian klinis tetapi
masing-masing memiliki keterbatasan mereka sendiri. Ambang persepsi panas (WPT)
pendeteksi disfungsi saraf tapi mahal (m20K) dan terbatas oleh kebutuhan untuk respon
subjektif dan variabel reproduktifitas. Pernapasan-Heart Rate Variability (DB-HRV)
mendeteksi disfungsi saraf otonom tapi sekali lagi membutuhkan peralatan mahal (m10K)
dan kerjasama pasien dengan pembaur potensial seperti obat-obatan dan konsumsi kafein.
Kepadatan serabut saraf intraepidermal (IENFD) adalah standar emas untuk menilai
morfologi serabut saraf dari biopsi kulit tetapi invasif dan menyakitkan. Kornea confocal
microscopy (CCM) merupakan teknik alternatif yang non-invasif untuk biopsi kulit. Telah
divalidasi untuk menilai kerusakan awal serat kecil dan perbaikan tetapi membutuhkan
peralatan mahal dan Staf terlatif untuk melakukan tes. kelainan sudomotor dapat dideteksi
dengan menggunakan biopsi kulit atau tindakan berkeringat menggunakan QSART atau
perangkat Sudoscan. Langkah-langkah neuropad memproduksi keringat berdasarkan
perubahan warna dalam senyawa kobalt II dari biru menjadi merah muda untuk menghasilkan
kategoris output tetapi memiliki kinerja diagnostik moderat untuk DPN. Neuropad
spesifisitas untuk neuropati serabut besar didapatkan hasil rendah (50-64%), sedangkan untuk
neuropati serat kecil SFN didapatkan jauh lebih tinggi (80%). Penelitian lain juga melaporkan
spesifikasi yang rendah ( 45-67,2 % ) untuk tindakan neuropati serat besar seperti NDS dan
Getaran PerceptionThreshold.
Validitas diagnostik dari respon Neuropad telah diuji terutama untuk kategoris
daripada output yang berkesinambungan. Oleh karena itu untuk output kategoris hanya ada
tiga kemungkinan hasil: normal, menengah, atau abnormal. Dinyatakan sebagai persentase
perubahan warna ditentukan secara visual, tapi ini adalah subjektif dengan koefisien
pengulangan untuk variabilitas 0,3 dan 0,4. Pengembangan perangkat lunak gambaran
analisis untuk secara cepat dan konsisten dalam perubahan warna ke persentase output,
memungkinkan kuantitatif terus menerus dan ukuran benar-benar direproduksi dari
sudomotor disfungsi serabut kecil.
Dalam penelitian telah diuji kemampuan diagnostik software Sudometrics, yang
dapat mengukur respon Neuropad berkisar dari 0 hingga 100% terhadap output kategoris
untuk langkah-langkah dari SFN dan LFN.
ambang batas variabel histogram warna dihitung dan persentase merah muda diekstrak
sebagai metrik. Operasi set morfologi dilakukan untuk menghilangkan kebisingan dan
lebih menentukan daerah pad. Sudometrics tersedia untuk semua kolaborator potensial
semata-mata untuk tujuan penelitian (non-profit / non-komersial). Hal ini dilindungi oleh
University of Manchester dan di bentuk perjanjian lisensi yang dapat diminta secara
online
(Http://www.click2go.umip.com/i/software/Biomedical
Software
/Sudometrics.html).
Fungsi otonom jantung diukur menggunakan ANX 3.0 otonom perangkat
monitoring sistem saraf (Ansar Medical Technologies Inc, Philadelphia, AS).
Pernapasan-Heart Rate Variability (DB-HRV) adalah dinilai dari R-R variasi jarak
melalui elektroda permukaan. DBHRV tercatat lebih 1 menit pada frekuensi 6 napas /
menit.
Pengujian ambang panas diskriminasi dilakukan pada dorsum kaki kiri
menggunakan MEDOC TSA II ( Medoc Ltd , Ramat Yishai 30095 , Israel ) dan
metode batas.
2.3. Tes struktural Serabut saraf Kecil
2.3.1. Kornea confocal Microscopy. pasien menjalani Pemeriksaan dengan Heidelberg
Retina tomograph (HRT III RCM) in vivo kornea mikroskop confocal (IVCCM)
(Heidelberg Engineering GmbH, Heidelberg, Jerman). Modus Bagian memungkinkan
akuisisi manual dan penyimpanan gambar tunggal kornea sentral dengan resolusi lateral
sekitar 2 m/pixel dan ukuran gambar akhir dari 400 400 piksel dari pleksus saraf
subbasal. Kepadatan serabut saraf kornea (CNFD), total jumlah serabut saraf (no./mm2),
kepadatan cabang saraf kornea (CNBD), jumlah cabang saraf (No./mm2), dan panjang
serabut saraf kornea(CNFL), yang Panjang total dari semua serabut saraf dan cabang
(mm / mm2) dalam area kornea ditangkap gambaran yang diukur dari 5 gambar
berdekatan / subjek, dengan tujuan dibangun petunjuk gambar perangkat lunak analisis
disebut CCMetrics. CCMetrics tersedia untuk semua kolaborator potensial semata-mata
untuk tujuan penelitian (non-profit / non-komersial). itu dilindungi oleh University of
Manchester dalam bentuk perjanjian lisensi yang dapat diminta secara online (http: //
www.humandevelopment.manchester.ac.uk/ena/ACCMetricsuserinstructions#Researchli
cenceagreement).
2.3.2. Kepadatan Intraepidermal serabut saraf. Sekitar 3mm biopsi kulit diambil dari
punggung kaki di bawah 1% anestesi lokal lidokain. Sampel kulit yang 4% (wt / vol.) di
paraformaldehyde selama 24 jam dan kemudian cryoprotected di sukrosa selama 18 jam
dan dipotong menjadi 50 m tebal bagian. Imunohistokimia dilakukan seperti
sebelumnya dijelaskan. Sebuah AxioCam kamera analisis gambar MRC (Ziess, Jerman)
dan LeicaQWin Standar V2.4 (Leica Microsystem Imaging, Cambridge, UK) yang
digunakan untuk mengukur intraepidermal kepadatan serat saraf (IENFD), yang
merupakan jumlah total serabut saraf per panjang milimeter dari epidermis (No./mm).
2.4. Penilaian Neuropati. Semua pasien menjalani penilaian neuropati berdasarkan protokol
standar termasuk Neuropati Cacat Score (NDS) untuk mengklasifikasikan peserta ke
dalam tanpa (NDS 0-2) dan dengan (NDS 3-10) neuropati. Uji sensori kuantitatif
termasuk sebuah penilaian Getaran Persepsi Threshold (VPT), diukur menggunakan
Neurothesiometer (Horwell Scientific Laboratory Supplies, Wilford, Nottingham, UK)
dan persepsi ambang batas panas (WPT) menggunakan metode batas dengan MEDOC
TSA II (Medoc Ltd, Ramat Yishai 30095, Israel) pada dorsum kaki kiri. Studi
elektrodiagnostik yang dilakukan menggunakan Dantec "Keypoint" sistem (Dantec
Dynamics Ltd, Bristol, UK) dilengkapi dengan pengatur suhu DISA untuk menjaga suhu
ekstremitas terus antara 32 dan 35C. kecepatan konduksi saraf Sural (SNCV), potensial
aksi saraf sensorik sural (SNAP), kecepatan konduksi saraf motorik peroneal (PMNCV),
dan potensial aksi saraf motorik peroneal (PMNAP) dinilai dalam kanan bawah dahan
oleh konsultan neurofisiologi.
Tabel 1 : Perbandingan data klinis dari peserta penelitian dengan DM tipe 1 dan 2 sesuai
dengan ada atau tidak adanya neuropati didefinisikan oleh kriteria Toronto . Data yang
median ( 5 -95 persentil ) , nilai-nilai berasal dari tes Mann - Whitney .
menentukan sensitivitas optimal dan spesifisitas dari Neuropad uji. perbedaan statistik antara
dua kurva ROC adalah dinyatakan dalam nilai seperti yang dijelaskan oleh Hanley dan
McNeil.
Tabel 2 : Membandingkan kinerja diagnostik Neuropad antara terus menerus dan output
kategoris . Evaluasi itu dilakukan terhadap besar Neuropati Cacat Score ( NDS ) dan Getaran
Persepsi Threshold ( VPT ) , sensorik potensial aksi saraf sural ( SNAP ) , kecepatan
konduksi saraf sural ( SNCV ) , potensial aksi saraf motorik peroneal ( PMNAP ) , dan
kecepatan konduksi saraf motorik peroneal ( PMNCV ) ) dan kepadatan serabut saraf
intraepidermal ( IENFD ) , Kepadatan serabut saraf kornea ( CNFD ) , kepadatan Cabang
saraf kornea ( CNBD ) , Panjang Serabut saraf Kornea ( CNFL ) , Deep Breathing - Heart
Rate Variability ( DB - HRV ) , dan ambang batas persepsi Panas( WPT ) ) penilaian serabut
saraf sebagai metode referensi menggunakan analisis kurva ROC .
3.2. Neuropad Kinerja diagnostik untuk diabetes Neuropati perifer . Output terus menerus
dihasilkan menggunakan software gambaran analisis( Sudometrics ) untuk
memungkinkan kuantifikasi cepat dan konsisten evaluasi respon Neuropad. Evaluasi
perubahan warna dalam persentase benar-benar direproduksi dengan koefisien
pengulangan dari 1. Diagnostik kinerja antara output berkesinambungan dan output
kategoris disajikan pada Tabel 2. Output yang berkesinambungan didapatkan nilai
sensitivitas dan spesifisitas tinggi untuk DB - HRV ( 91 % , 83 % ) , CNFD ( 88 % , 78
% ) , dan SNAP ( 88 % , 83 % ) dan tinggi sensitivitas dengan spesifisitas moderat untuk
CNBD ( 83 % , 72 % ) , CNFL ( 89 % , 75 % ) , dan VPT ( 80 % , 71 % ). Untuk output
kategoris sensitivitas yang sama-sama tinggi tetapi spesifisitas lebih rendah untuk DB HRV ( 82 % , 59 % ) , CNFD ( 89 % , 63 % ) , CNBD ( 100 % , 47 % ) , CNFL ( 90 % ,
50 % ) , SNAP ( 100 % , 55 % ) , dan VPT ( 70 % , 57 % ). Bahwa output Neuropad
terus menerus memiliki sensitivitas yang tinggi ( 83 % ) dan spesifisitas ( 80 % ) untuk
mendeteksi struktural kerusakanSerabut kecil.
3.3. Serabut Kecil vs Besar Neuropati. subklinis awal SFN diahului terjadinya penurunan
serabut besar dengan mati rasa dan ulserasi kaki. Saat ini, menganjurkan tes klinis seperti
10 g monofilamen atau Score Neuropati Cacat (NDS) tidak dapat mendeteksi pasien
dengan neuropati awal. Neuropad telah dipromosikan sebagai lini pertama tes murah,
skrining diagnostik untuk subklinis SFN. Studi ini menyoroti parameter Neuropad yang
paling berguna untuk diagnosis dini DPN. Selain itu, jelas menunjukkan bahwa output
yang berkesinambungan untuk Neuropad secara signifikan meningkatkan kemampuan
diagnostik untuk mendeteksi otonom dan SFN dari langkah-langkah neuropati serabut
saraf besar. AUC untuk DB-HRV (91%) secara signifikan lebih besar daripada untuk
NDS (67%, = 0,001), VPT (75%, = 0,02), SNCV (62%, = 0,0009), PMNAP (63%,
= 0,003), dan PMNCV (60%, = 0,0003). Demikian pula, AUC untuk CNFD (82%)
adalah secara signifikan lebih besar daripada untuk NDS (67%, = 0,05), SNCV (62%,
= 0,02), PMNAP (63%, = 0,04), dan PMNCV (60%, = 0,01). AUC untuk CNFL
(80%) secara signifikan lebih besar daripada untuk PMNCV (60%, = 0,05). Berbeda
dengan output yang berkesinambungan , output kategoris menunjukkan tidak ada
perbedaan yang signifikan antara kerusakan serabut kecil dan besar . Memang, kita
sebelumnya telah menunjukkan bahwa Neuropad berkorelasi lebih baik dengan
variabilitas detak jantung dari NDS. Relevansi sebelumnya ,CNBD , CNFD , dan CNFL
juga telah terbukti berkorelasi yang sangat signifikan dengan tingkat variabilitas jantung.
Penelitian ini memiliki beberapa kekuatan dan keterbatasan. Evaluasi rinci dan
komprehensif dari berbagai teknik standar baku untuk mengukur neuropati diabetes, yang
memungkinkan kita untuk membedah dan menentukan kemampuan diagnostik dari Neuropad
dalam kohort besar individu dengan diabetes tipe 1 dan 2. Selain itu, tidak seperti semua
penelitian sebelumnya, termasuk penelitian terbaru. Estimasi perubahan warna untuk
Neuropad sudah kategoris atau subjektif dan bertanggung jawab untuk kesalahan. Dalam
penelitian ini telah memanfaatkan algoritma gambaran analisis (Sudometrics), untuk
memberikan output yang berkesinambungan dan benar-benar direproduksi. DPN didiagnosis
menggunakan Toronto konsensus , yang merupakan serabut besar tertimbang dan
penggabungan kelainan serabut kecil seperti per konsensus sebelumnya juga mungkin telah
lebih ditingkatkan kemampuan diagnostik Neuropad seperti yang diamati dengan AUCs jauh
lebih tinggi dengan langkah-langkah dari neuropati serabut kecil. Tidak dapat
memperhitungkan potensi efek perancu dari usia, durasi diabetes, HbA1c, tekanan darah
sistolik, dan BMI dengan hubungan Neuropad yang memiliki kerusakan serabut kecil dan
besar karena pengaruh yang melekat pada DPN. Data ini daat mendukung penggunaan
output berkesinambungan untuk Neuropad sebagai tes diagnostik untuk DPN, tapi studi
longitudinal diperlukan untuk menilai kemampuan prediktif dan prognostik. Selain itu,
penting untuk dicatat bahwa output Sudometrics membutuhkan resolusi tinggi scanner dan
analisis gambar perangkat lunak, yang dapat dianggap rumit dan memakan waktu dari output
visual sederhana yang disediakan oleh Neuropad untuk pasien dan dokter. Namun, diusulkan
bahwa dengan kemajuan teknologi ini seluruh proses bisa mudah dimasukkan
intoamobileApp, yang produsen Neuropad harus mengeksplorasi.
Kesimpulan
Kesimpulannya , penelitian ini menunjukkan bahwa diagnostik Neuropad dapat
sangat ditingkatkan dengan menggunakan Sudometrics , output berkesinambungan otomatis
sebagai lawan output kategoris , terutama untuk mengevaluasi SFN . Mengingat kemajuan
inmobile teknologi , menggambarkan eksplorasi untuk mengembangkan user friendly App
untuk tujuan ini.