Are bedtime nutritional strategies effective in preventing nocturnal hypoglycaemia in patients with type 1 diabetes?
Notice bibliographique
Résumé
Hypoglycaemia remains the major limiting factor for adequate diabetes control for patients with type 1 diabetes (T1D), especially during the night-time. Although nutritional strategies for nocturnal hypoglycaemia (NH) prevention are regularly suggested in clinical practice, there is no evidence-based recommendation for the usefulness and optimal composition of a bedtime snack. The aim of this narrative review was to analyse the current state of knowledge on nutritional strategies to prevent NH in individuals with T1D. A literature search was conducted, using PubMed and Medline (1946 to 2013); 16 studies were retrieved. Overall, the level of evidence was low. Results indicated that a calibrated bedtime snack based on bedtime blood glucose (BG) level could be effective to reduce NH occurrence for patients treated with human or animal insulin (short-acting combined with lente, ultralente and/or intermediate-acting insulin), but there is no evidence for patients treated with insulin analogues as part of multiple daily injections or insulin pump regimen. Some evidence suggests that including uncooked cornstarch or alanine in the bedtime snack composition could provide some benefits for the prevention of NH. Individualized recommendations of a bedtime snack intake for patients or situations at high risk for NH (long standing diabetes, hypoglycaemia unawareness, prior physical activity, alcohol consumption, bedtime BG close to hypoglycaemia threshold) appear as a prudent recommendation. On the basis of the available evidence, a bedtime snack cannot be recommended systematically but it might be useful if prescribed in an individualized fashion; further research is needed to evaluate these strategies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 ».