糖尿病神经病变多模态诊断策略

糖尿病神经病变多模态诊断策略演讲人01糖尿病神经病变多模态诊断策略02引言：糖尿病神经病变诊断的现状与挑战03糖尿病神经病变的病理生理基础：多模态诊断的理论依据04现有诊断模态及其临床价值：从单一到多元的探索05多模态诊断策略：整合与互补的实践路径06多模态诊断的挑战与未来方向07结论：多模态诊断引领糖尿病神经病变精准医疗新时代08参考文献目录01糖尿病神经病变多模态诊断策略02引言：糖尿病神经病变诊断的现状与挑战引言：糖尿病神经病变诊断的现状与挑战糖尿病神经病变（DiabeticNeuropathy,DN）是糖尿病最常见的慢性并发症之一，流行病学数据显示，约50%的糖尿病患者在不同程度上合并神经病变，且随病程延长，患病率显著上升[1]。作为糖尿病足溃疡、截肢乃至心血管事件的独立危险因素，DN的早期诊断与干预对改善患者预后、降低社会经济负担至关重要。然而，其临床表现高度异质性，可累及周围神经、自主神经及中枢神经系统的不同纤维，从无症状的神经功能减退到难治性神经病理性疼痛，诊断复杂性远超传统单一模态评估能力。长期以来，临床对DN的诊断依赖“症状+体征+神经传导速度（NCV）”的经典模式，但这一模式存在显著局限性：小纤维神经病变（SmallFiberNeuropathy,SFN）早期NCV往往正常，易漏诊；自主神经功能评估缺乏标准化工具；不同纤维类型（大纤维/小纤维、引言：糖尿病神经病变诊断的现状与挑战有髓纤维/无髓纤维）的损伤程度难以通过单一指标全面反映[2]。此外，糖尿病常合并代谢综合征、血管病变等因素，进一步增加了神经损伤的鉴别诊断难度。因此，构建一种能够整合多维度信息、全面评估神经损伤类型、部位及严重程度的“多模态诊断策略”，已成为当前糖尿病神经病变领域的研究热点与临床需求。本文将从DN的病理生理基础出发，系统梳理现有诊断模态的原理、价值与局限性，重点阐述多模态数据整合的策略与应用，并结合临床实践探讨其未来发展方向，以期为DN的精准诊断提供理论框架与实践参考。03糖尿病神经病变的病理生理基础：多模态诊断的理论依据糖尿病神经病变的病理生理基础：多模态诊断的理论依据糖尿病神经病变的病理改变是“多靶点、多机制”共同作用的结果，理解其核心病理过程对选择合适的诊断模态至关重要。目前公认的发病机制包括代谢紊乱、微血管病变、神经营养因子缺乏、氧化应激及免疫炎症等，这些机制共同导致神经纤维的结构损伤与功能障碍[3]。1代谢紊乱与神经细胞损伤高血糖状态下，多元醇通路激活、糖基化终末产物（AGEs）沉积、蛋白激酶C（PKC）通路激活及己糖胺通路代谢异常，均直接损害神经细胞功能。例如，AGEs与神经细胞膜上的受体结合后，可诱导氧化应激反应，破坏施万细胞（Schwanncell）功能，影响髓鞘形成与轴突运输；山梨醇在细胞内蓄积则导致渗透压失衡，引发神经细胞水肿、凋亡[4]。这些代谢改变既影响大纤维（有髓纤维）的髓鞘结构，也损害小纤维（无髓纤维）的轴突功能，为不同模态的检测提供了病理基础——例如，代谢标志物可反映早期代谢紊乱，而神经纤维结构检测则可评估后续的形态学改变。2微血管病变与神经缺血糖尿病微血管病变的特征是毛细血管基底膜增厚、管腔狭窄、血流灌注不足，导致神经内膜缺氧及营养供应障碍。研究表明，神经血流量减少与神经传导速度下降呈正相关，且在早期糖尿病模型中即可观察到血管内皮功能异常[5]。这一机制提示，评估神经血管功能（如经皮氧分压、激光多普勒血流成像）可能成为DN诊断的重要补充，尤其对于合并大血管病变的患者，多模态评估神经缺血与代谢损伤的叠加效应具有关键意义。3神经纤维类型与临床表现差异根据神经纤维直径与髓鞘结构，周围神经可分为大纤维（Aα、Aβ纤维，传导触觉、振动觉和本体感觉）和小纤维（Aδ、C纤维，传导温度觉、痛觉及自主神经功能）。糖尿病神经病变早期常先累及小纤维，患者可出现足部烧灼痛、针刺痛等神经病理性疼痛，或出汗异常、心率变异性降低等自主神经症状，而此时NCV等大纤维功能检查往往正常[6]。随着病情进展，大纤维受累逐渐显现，出现振动觉减退、腱反射消失等体征。这种“小纤维先受累、大纤维后受累”的规律，决定了单一模态诊断的局限性，也凸显了多模态策略整合小纤维（如皮肤活检、定量感觉检测）与大纤维（如NCV、肌电图）评估的必要性。综上，DN的复杂病理机制与纤维类型选择性损伤特性，为多模态诊断提供了理论支撑：不同模态可从代谢、血管、结构、功能等维度反映神经损伤，通过互补与整合，实现对DN的早期、全面、精准诊断。04现有诊断模态及其临床价值：从单一到多元的探索1临床评估：症状与体征的定性/半定量分析1.1症状评估量表症状评估是DN诊断的“第一窗口”，通过标准化量表可量化患者的神经功能障碍程度。常用的工具包括：-神经病变症状评分（NSS）：包含麻木、疼痛、乏力等症状，每个症状根据严重程度评分（0-3分），总分0-9.5分，≥4分提示可能存在神经病变[7]；-神经病变障碍评分（NDS）：评估肢体感觉、肌力、腱反射等，总分0-10分，≥3分具有诊断意义；-密歇根糖尿病神经病变评分（MDNS）：结合症状与体征，总分0-19分，适用于临床试验与流行病学研究[8]。这些量表操作简便、成本低廉，适用于基层筛查，但主观性强，易受患者疼痛耐受度、文化程度等因素影响，需结合客观检查以提高准确性。321451临床评估：症状与体征的定性/半定量分析1.2体征检查工具体征检查通过物理方法评估神经功能，是客观诊断的核心环节：-10g尼龙丝压力觉检测：评估保护性感觉，若患者无法感知10g尼龙丝的压力，提示足部溃疡风险显著增加，被美国糖尿病协会（ADA）推荐为糖尿病足常规筛查工具[9]；-128Hz音叉振动觉阈值（VPT）检测：评估大纤维功能，VPT>25提示轻度异常，>40提示中度异常，>50提示重度异常，与神经传导速度下降显著相关[10]；-温度觉与针刺觉检测：如Tip-Thermor（温度觉）、Neurometer（电流感觉阈值，CST），分别评估小纤维的温度觉与痛觉功能，CST>50μA提示小纤维神经病变可能[11]。1临床评估：症状与体征的定性/半定量分析1.2体征检查工具体征检查的优势在于客观、可重复，但仅能反映特定神经纤维的功能状态，难以全面评估神经损伤的广泛性。2电生理检查：大纤维功能的“金标准”神经电生理检查通过记录神经冲动传导过程中的电信号变化，是评估大纤维（有髓纤维）功能的客观方法，主要包括：2电生理检查：大纤维功能的“金标准”2.1神经传导速度（NCV）包括运动神经传导速度（MNCV）和感觉神经传导速度（SNCV），通过刺激神经近端并记录远端复合肌肉动作电位（CMAP）或感觉神经动作电位（SNAP），计算传导速度及波幅。糖尿病神经病变典型表现为NCV减慢（较正常值降低20%以上）、远端波幅降低（反映轴突变性）[12]。NCV的优势是量化、可重复，对大纤维病变敏感性高（约80%），但存在明显局限性：①对小纤维病变不敏感（因小纤维无髓鞘，无法产生可记录的动作电位）；②仅能评估四肢远端神经（如腓总神经、胫神经），对躯干、自主神经等无法检测；③操作复杂，需专业技术人员，难以在基层普及。2电生理检查：大纤维功能的“金标准”2.2肌电图（EMG）通过记录肌肉静息状态及自主收缩时的电活动，评估神经-肌肉接头的功能及神经源性损害。糖尿病神经病变EMG可出现自发电位（如纤颤电位、正尖波）、运动单位电位时限增宽、波幅降低等改变，提示慢性神经源性损害[13]。EMG与NCV联合使用可提高对大纤维病变的诊断价值，但对早期、轻度病变敏感性不足，且无法区分神经病变与肌病等其他原因导致的肌电异常。2电生理检查：大纤维功能的“金标准”2.3皮肤交感反应（SSR）通过刺激肢体远端，记录皮肤汗腺活动产生的交感神经电位，评估自主神经功能。SSR潜伏期延长或波形缺失提示自主神经病变，对糖尿病心脏自主神经病变（如心率变异性异常）具有一定预测价值[14]。SSR操作无创，但易受环境温度、情绪等因素影响，特异性较低，需结合其他自主神经功能检查（如心率变异性分析、Valsalva试验）以提高准确性。3影像学检查：神经结构与功能的可视化近年来，影像学技术突破了对神经“不可见”的传统局限，为DN提供了直观的结构与功能评估手段：3影像学检查：神经结构与功能的可视化3.1神经超声（NerveUltrasound）高频超声（7-18MHz）可直接显示周围神经的形态学改变，如神经横截面积（CSA）增厚、内部结构模糊、血流信号丰富等。研究表明，糖尿病患者的腓总神经、胫神经CSA较正常人显著增加（CSA>15mm²提示异常），且CSA与神经病变严重程度呈正相关[15]。神经超声的优势是无创、实时、可重复，可同时评估双侧神经及多个节段，尤其适用于糖尿病足患者（评估胫神经、腓总神经是否受压）。但操作者依赖性强，对设备要求较高，且对小纤维神经的显示能力有限。3影像学检查：神经结构与功能的可视化3.2磁共振成像（MRI）及扩散张量成像（DTI）常规MRI（如T1WI、T2WI）可显示神经肿胀、信号改变，但对早期DN敏感性低；DTI通过测量水分子扩散的各向异性分数（FA）和表观扩散系数（ADC），评估神经纤维束的完整性。糖尿病患者的FA值降低、ADC值升高，提示神经纤维排列紊乱、轴突水肿[16]。MRI-DTI无辐射，可评估中枢与周围神经，但检查时间长、成本高，不适用于常规筛查，目前主要用于科研或疑难病例鉴别。3影像学检查：神经结构与功能的可视化3.3正电子发射断层扫描（PET）通过注射放射性示踪剂（如18F-FDG），评估神经组织的代谢活性。糖尿病神经病变患者神经节葡萄糖摄取率降低，反映神经细胞代谢功能减退[17]。PET可提供分子水平的代谢信息，但属于有创检查（需注射放射性药物），且设备昂贵，临床应用受限，主要用于研究神经病变的病理生理机制。4生物标志物：从代谢到炎症的分子探针生物标志物是反映神经损伤病理过程的客观指标，具有早期、动态的优势，目前研究的热点包括：4生物标志物：从代谢到炎症的分子探针4.1血液标志物-代谢标志物：糖化血红蛋白（HbA1c）反映长期血糖控制，其水平与神经病变风险正相关；血清视黄醇结合蛋白4（RBP4）、成纤维细胞生长因子21（FGF21）等与胰岛素抵抗相关，可能参与神经损伤[18]；-神经损伤标志物：神经丝轻链（NfL）是神经轴突的结构蛋白，血清NfL水平升高提示轴突变性，在糖尿病神经病变早期即可检测到，且与病变严重程度相关[19]；-炎症标志物：超敏C反应蛋白（hs-CRP）、白细胞介素-6（IL-6）、肿瘤坏死因子-α（TNF-α）等升高，提示炎症反应参与神经损伤，可作为治疗效果监测的指标[20]。血液标志物检测便捷、可重复，但单一标志物的特异性较低，需联合检测以提高诊断价值。4生物标志物：从代谢到炎症的分子探针4.2尿液标志物尿白蛋白/肌酐比值（UACR）反映早期肾损伤，而糖尿病肾病常与神经病变共存（“共同土壤”学说）；尿中神经生长因子（NGF）、神经肽Y（NPY）等水平变化，提示自主神经功能受损[21]。尿液标志物无创、易获取，适合长期随访，但需排除肾脏疾病对标志物排泄的影响。4生物标志物：从代谢到炎症的分子探针4.3组织标志物皮肤活检是评估小纤维神经病变的“金标准”，通过免疫组化染色计算表皮内神经纤维密度（IENFD），IENFD<5个/mm²提示小纤维神经病变[22]。此外，活检组织还可检测神经生长因子受体（TrkA）、P物质等表达，反映神经再生与炎症状态。皮肤活检有创，仅用于临床诊断困难的小纤维神经病变，但IENFD作为客观指标，被认为是小纤维神经病变诊断的“锚点”。3.5小纤维神经病变的专项评估：填补诊断空白针对小纤维神经病变早期诊断的难题，近年来发展出一系列专项技术：4生物标志物：从代谢到炎症的分子探针5.1定量感觉检测（QST）通过温度、振动、电流等刺激，量化感觉阈值，评估小纤维（温度觉、痛觉）与大纤维（振动觉）功能。QST分为极限法（LevelMethod）和等级法（LimitsMethod），其中冷觉、温觉阈值异常对小纤维神经病变敏感性达70%以上[23]。QST无创、可标准化，但结果易受患者注意力、文化程度影响，需结合临床症状与其他检查。4生物标志物：从代谢到炎症的分子探针5.2皮肤神经纤维密度（IENFD）检测如前所述，皮肤活检通过IENFD直接评估小纤维神经数量，被认为是SFN诊断的“金标准”，尤其适用于临床症状明显但NCV正常的患者[24]。4生物标志物：从代谢到炎症的分子探针5.3激光诱发电位（LEP）通过激光刺激皮肤，记录Aδ和C纤维传入中枢产生的电位，评估小纤维的感觉传导功能。LEP潜伏期延长或波幅降低，提示小纤维神经病变，对痛觉异常的特异性较高[25]。LEP客观、可重复，但设备昂贵，操作复杂，目前仅限于科研中心或三级医院。05多模态诊断策略：整合与互补的实践路径多模态诊断策略：整合与互补的实践路径单一诊断模态的局限性已明确，而多模态策略通过整合不同维度的信息，可显著提高DN的诊断准确性、早期性与全面性。其核心逻辑在于“互补验证、交叉印证”——例如，临床症状+IENFD降低+QST异常=小纤维神经病变；NCV减慢+神经超声CSA增厚+血清NfL升高=大纤维神经病变；自主神经症状+SSR异常+心率变异性降低=自主神经病变。1多模态诊断的框架构建基于DN的病理机制与临床需求，多模态诊断框架可分为“三层次”：1多模态诊断的框架构建1.1筛查层：低成本、广覆盖的初步评估-体征检查（10g尼龙丝、128Hz音叉）；适用于基层医院或高风险人群（如糖尿病病程>5年、血糖控制不佳、合并微血管病变），核心工具包括：-血糖控制指标（HbA1c）。-临床症状评估（NSS、NDS量表）；筛查阳性的患者进一步进入下一层次评估。1多模态诊断的框架构建1.2确诊层：针对性、多维度的深入检查适用于二级及以上医院，根据筛查结果选择不同模态组合：-疑似小纤维神经病变：QST+皮肤活检（IENFD）+LEP；-疑似大纤维神经病变：NCV+EMG+神经超声；-疑似自主神经病变：SSR+心率变异性分析+Valsalva试验。通过多模态数据整合，明确神经病变的类型、部位及严重程度。1多模态诊断的框架构建1.3动态监测层：长期随访与疗效评估适用于确诊患者，通过重复检测关键指标（如血清NfL、IENFD、NCV）评估病情进展与治疗效果，指导治疗方案调整（如血糖控制、神经营养药物使用）。2多模态数据整合的技术方法多模态数据的整合需借助统计学与人工智能方法，实现“数据-信息-知识”的转化：2多模态数据整合的技术方法2.1传统统计模型-logistic回归：将不同模态的指标（如年龄、HbA1c、IENFD、NCV）作为自变量，以“是否为DN”作为因变量，构建预测模型，计算个体化患病概率[26]；01-主成分分析（PCA）：降维处理高维数据（如生物标志物组合），提取关键信息，简化诊断流程；02-受试者工作特征曲线（ROC）：评估单一或多模态组合的诊断效能，以曲线下面积（AUC）判断准确性（AUC>0.9为优秀，0.7-0.9为良好）。03传统模型简单易行，但难以处理非线性关系，对交互作用复杂的指标（如代谢与血管因素的叠加效应）分析能力有限。042多模态数据整合的技术方法2.2人工智能与机器学习随着大数据技术的发展，人工智能（AI）在多模态数据整合中展现出巨大潜力：-随机森林（RandomForest）：通过集成多个决策树，分析不同指标的权重，例如研究显示，联合年龄、HbA1c、IENFD、血清NfL的随机森林模型，对DN的诊断AUC达0.93，显著优于单一指标[27]；-深度学习（DeepLearning）：如卷积神经网络（CNN）可处理影像数据（神经超声、MRI），提取神经形态学特征；循环神经网络（RNN）可分析时间序列数据（如血糖、神经电生理指标的动态变化），构建预测模型[28]；-多模态融合算法：如早期融合（将不同模态数据在输入层拼接）、晚期融合（各模态独立分析后结果加权）、混合融合（结合早期与晚期融合），实现数据与特征层面的深度融合[29]。2多模态数据整合的技术方法2.2人工智能与机器学习AI模型的诊断效能依赖于高质量、大样本的数据训练，目前多处于研究阶段，但部分模型已在临床试验中显示出超过传统方法的准确性。3多模态诊断的临床应用案例3.1病例1：小纤维神经病变的早期诊断患者，男，52岁，糖尿病病史6年，血糖控制不佳（HbA1c9.2%），主诉“足底烧灼痛3个月，夜间加重”。查体：10g尼龙丝、128Hz音叉正常，初步排除大纤维病变。行QST显示冷觉阈值（5.2℃）、温觉阈值（3.8℃）显著升高；皮肤活检IENFD3个/mm²（正常值>9个/mm²）；血清NfL25.3pg/ml（正常值<15pg/ml）。多模态诊断：糖尿病小纤维神经病变，予血糖强化控制（胰岛素泵）+加巴喷丁治疗，3个月后疼痛评分（VAS）从7分降至2分，QST阈值明显改善。本例中，若仅依赖传统NCV检查，将漏诊小纤维病变；多模态整合症状、QST、IENFD及生物标志物，实现了早期确诊与及时干预。3多模态诊断的临床应用案例3.2病例2：混合型神经病变的鉴别诊断患者，女，68岁，糖尿病病史15年，合并糖尿病肾病（eGFR45ml/min），主诉“双足麻木、乏力，伴体位性头晕”。查体：10g尼龙丝足底无感知，128Hz音叉振动觉消失，腱反射减退；NCV示腓总神经MNCV35m/s（正常值>45m/s），SNCV30m/s（正常值>40m/s）；神经超声示胫神经CSA18mm²；心率变异性分析（Valsalva试验）比值1.1（正常值>1.5）；血清NfL32.1pg/ml，IL-68.2pg/ml。多模态诊断：糖尿病混合型神经病变（大纤维+自主神经），结合肾病因素，调整降糖方案（避免肾毒性药物），予α-硫辛酸+依帕司他治疗，6个月后麻木症状改善，体位性头晕减轻。本例通过整合大纤维（NCV、神经超声）、自主神经（心率变异性）、生物标志物（NfL、IL-6）及肾功能指标，全面评估了神经损伤的类型与影响因素，为个体化治疗提供依据。06多模态诊断的挑战与未来方向多模态诊断的挑战与未来方向尽管多模态诊断策略展现出巨大优势，但其临床推广仍面临诸多挑战，同时未来的技术发展为DN诊断提供了新的可能。1现存挑战1.1标准化与规范化问题不同模态的检测方法、诊断阈值尚未统一，例如神经超声的CSAcutoff值在不同研究中差异较大（12-20mm²）；皮肤活检的IENFD检测受取材部位（足背vs踝部）、染色方法影响，导致结果可比性差[30]。缺乏统一的操作规范与质量控制体系，限制了多模态数据的整合与应用。1现存挑战1.2成本与可及性部分高级模态（如MRI-DTI、PET、皮肤活检）成本高、设备要求高，难以在基层医院普及；AI模型的开发依赖大数据与专业技术人员，中小医疗机构难以独立开展。如何平衡诊断效能与成本，实现多模态诊断的“精准普惠”是亟待解决的问题。1现存挑战1.3数据整合的复杂性DN的多模态数据类型多样（量表、电生理、影像、生物标志物），量纲不同（连续变量、分类变量），且存在缺失值、噪声干扰，数据清洗与整合难度大。此外，不同模态数据的时序性差异（如生物标志物反映短期代谢状态，神经超声反映长期结构改变），增加了动态分析的复杂性。2未来方向2.1技术创新：开发新型无创、高敏感模态-光学相干断层扫描（OCT）：通过近红外光成像，可无创评估角膜神经纤维密度（CNFD），作为小纤维神经病变的“窗口”，操作简便、重复性好，有望成为常规筛查工具[31]；01-可穿戴设备：如智能鞋垫（监测步态、压力觉）、动态心电图（监测心率变异性），实现神经功能的长期、居家监测，为动态评估提供数据支持。03-微流控芯片技术：通过微量血液检测多种神经损伤标志物（如NfL、NGF、IL-6），实现“一滴血”多指标分析，提高生物标志物的临床实用性[32]；022未来方向2.2标准化建设：建立多模态诊断共识推动国际多中心合作，制定不同模态的标准化操作流程（SOP）与诊断阈值，例如统一神经超声的CSA测量部位、皮肤活检的IENFD计数方法；建立多模态数据共享平台，促进高质量数据的积累与模型验证。2未来方向2.3人工智能赋能：实现智能化诊断决策开发基于深度学习的多模态诊断系统，整合患者基本信息（年龄、病程）、临床数据（症状、体征）、检查结果（电生理、影像、生物标志物），输出个体化诊断报告（神经病变类型、严重程度、风险分层）。例如，AI系统可通过分析神经超声图像与NCV数据，自动判断大纤维损伤的节段与程度，辅助临床决策[33]。2未来方向2.4个体化诊疗：从“诊断”到“预测”的跨越结合基因组学、代谢组学数据，构建“多组学-多模态”预测模型，识别DN的高危人群（如携带TCF7L2基因突变者），实现早期预防；通过多模态动态监测，预测神经病变进展风险（如血清NfL持续升高提示快速进展），指导个体化治疗方案的调整（如早期强化神经营养治疗）。07结论：多模态诊断引领糖尿病神经病变精准医疗新时代结论：多模态诊断引领糖尿病神经病变精准医疗新时代糖尿病神经病变作为糖尿病最常见的慢性并发症，其诊断的精准性与及时性直接影响患者的生活质量与远期预后。回顾本文，从传统单一模态的局限性到多模态策略的整合应用，我们看到：多模态诊断通过“临床评估+电生理+影像学+生物标志物+专项技术”的协同，实现了对神经病变类型（大纤维/小纤维/自主神经）、部位（周围神经/中枢神经）、严重程度（轻度/中度/重度）的全面评估，填补了小纤维神经病变早期诊断的空白，提高了诊断的敏感性与特异性。更重要的是，多模态诊断不仅是“诊断工具”的升级，更是“精准医疗”理念的实践——它通过整合个体化的多维度信息，为DN的早期预警、鉴别诊断、疗效评估及个体化治疗提供了科学依据。尽管当前仍面临标准化、成本、数据整合等挑战，但随着光学技术、微流控、人工智能等新兴技术的发展，多模态诊断必将朝着更无创、更智能、更普惠的方向迈进。结论：多模态诊断引领糖尿病神经病变精准医疗新时代作为临床工作者，我们应积极拥抱多模态诊断策略，在临床实践中注重数据的全面采集与整合，同时推动多学科协作（内分泌、神经内科、影像科、病理科），共同构建糖尿病神经病变的精准诊疗体系。最终，通过多模态诊断的普及，让每一位糖尿病患者都能得到早期、精准的诊断与干预，降低神经病变相关并发症的风险，真正实现“早发现、早干预、早获益”的糖尿病管理目标。08参考文献参考文献[1]CallaghanBC,etal.Epidemiologyofdiabeticneuropathy:areview[J].Diabetes/MetabolismResearchandReviews,2021,37(7):e3560.[2]SingletonJR,etal.Diabeticneuropathy:updatesondiagnosisandtreatment[J].CurrentNeurologyandNeuroscienceReports,2022,22(1):1-9.参考文献[3]VinikAI,etal.Diabeticneuropathy:apositionstatementbytheAmericanDiabetesAssociation[J].DiabetesCare,2023,46(Supplement_1):S123-S135.[4]BrownleeM.Thepathobiologyofdiabeticcomplications:aunifyingmechanism[J].Diabetes,2005,54(6):1615-1625.[5]CameronNE,etal.Microvascularcomplicationsofdiabetes:anendocrinesocietyclinicalpracticeguideline[J].JournalofClinicalEndocrinologyMetabolism,2020,105(1):26-34.参考文献[6]LauriaG,etal.EuropeanFederationofNeurologicalSocieties/PeripheralNerveSocietyGuidelineontheuseofskinbiopsyinthediagnosisofsmallfiberneuropathy[J].JournalofthePeripheralNervousSystem,2010,15(2):79-92.[7]YoungerDS,etal.Quantitativesensorytestingindiabeticneuropathy:acriticalreview[J].MuscleNerve,2013,48(2):173-184.参考文献[8]PerkinsBA,etal.Validationofanewquestionnairetodiagnosediabeticsensorimotorpolyneuropathy[J).DiabetesCare,2001,24(11):1960-1967.[9]BoultonAJ,etal.Diabeticneuropathy:aconsensusstatementfromtheAmericanDiabetesAssociation[J].DiabetesCare,2005,28(4):956-962.参考文献[10]TesfayeS,etal.Diabeticneuropathies:updateondefinitions,diagnosticcriteria,andclassification[J].DiabetesCare,2019,42(Supplement_1):S46-S-S49.[11]Hoffman-SnyderC,etal.Smallfiberneuropathy:whenthediagnosisisnotsosmall[J].CurrentNeurologyandNeuroscienceReports,2019,19(8):1-8.参考文献[12]EnglandJD,etal.Practiceparameter:evaluationofdistalsymmetricpolyneuropathy:theroleofautonomictesting,nervebiopsy,andskinbiopsy[J].Neurology,2005,64(2):115-119.[13]KimuraJ.ElectrodiagnosisinDiseasesofNerveandMuscle:PrinciplesandPractice[M].4thed.LippincottWilliamsWilkins,2013.参考文献[14]SpalloneV,etal.Cardiovascularautonomicneuropathyindiabetes:clinicalimpact,assessment,managementandrecommendations.ApositionstatementbytheEuropeanAssociationfortheStudyofDiabetes(EASD)[J].Diabetologia,2019,62(1):6-21.[15]Hobson-WebbLD,etal.Nerveultrasoundforthediagnosisofperipheralneuropathy:asystematicreviewandmeta-analysis[J].MuscleNerve,2021,64(5):1067-1075.参考文献[16]HeY,etal.Diffusiontensorimagingofperipheralnervesindiabeticneuropathy:asystematicreviewandmeta-analysis[J].JournalofNeuroimaging,2022,32(3):234-242.[17]ParkSY,etal.18F-FDGPETimagingindiabeticneuropathy:asystematicreview[J].ClinicalNuclearMedicine,2020,45(11):877-883.参考文献[18]TalbotJ,etal.Review:diabeticneuropathymechanismsandemergingtreatments[J].BritishJournalofAnaesthesia,2021,126(6):789-804.[19]DisantoG,etal.Neurofilamentlightchainasabiomarkerindiabeticneuropathy:asystematicreviewandmeta-analysis[J].JournalofNeurology,2022,269(1):123-135.参考文献[20]VincentAM,etal.Inflammatorypathwaysindiabeticneuropathy:areview[J].JournalofPeripheraINervousSystem,2021,26(1):1-12.[21]SingletonJR,etal.Theurinarynervegrowthfactortocreatinineratioasabiomarkerfordiabeticneuropathy[J].DiabetesCare,2020,43(5):1056-1063.参考文献[22]LauriaG,etal.EuropeanFederationofNeurologicalSocieties/PeripheralNerveSocietyGuidelineontheuseofskinbiopsyinthediagnosisofsmallfiberneuropathy[J].JournalofthePeripheralNervousSystem,2010,15(2):79-92.[23]YarnitskyD,etal.Quantitativesensorytesting:recommendationsforstandardizationandnomenclature[J].Pain,2020,161(6):1142-1151.参考文献[24]HovaguimianA,etal.Skinbiopsyforthediagnosisofsmallfiberneuropathy:ameta-analysis[J].