Glucose and Insulin Administration While Maintaining Normoglycemia During Cardiac Surgery Using a Computer-Assisted Algorithm
Notice bibliographique
Résumé
BACKGROUND: applying the principles of the hyperinsulinemic-normoglycemic clamp technique we have introduced glucose and insulin administration while maintaining normoglycemia (GIN therapy) to surgical patients. The objective of this study was to evaluate a novel computer software (GIN Computer Software [GINCS]) program using an algorithm based on the original clamp equation and modified for its use during cardiac surgery. METHODS: thirty-six patients without diabetes undergoing elective cardiac surgery were randomly assigned to manually controlled or computer-guided GIN therapy. In both groups insulin was administered at 5 mU/kg/min during surgery. Simultaneously, 20% dextrose was infused at a rate adjusted to maintain blood glucose (BG) between 4.0 and 6.0 mmol/L. The adjustments were made either following an algorithm based on our previous GIN experience or suggestions made by the software program. The primary outcome was the achievement of target glycemia. RESULTS: normoglycemia was achieved in both groups as reflected by mean BG concentrations of 5.0 ± 0.5 mmol/L and 5.1 ± 0.2 mmol/L. Mean sampling intervals were longer in the GINCS group than in the manual group (21.5 ± 1.9 vs. 14.2 ± 2.2 min, P < 0.001). The GINCS therapy was associated with a greater percentage of BG measurements within target (manual group, before cardiopulmonary bypass [CPB] 79.7%, during CPB 68.1%, and after CPB 69.1%; GINCS group, before CPB 94.1%, during CPB 92.4%, and after CPB 97.7%; P < 0.001). No hypoglycemia was observed. CONCLUSIONS: the use of a computer-guided GIN protocol in patients without diabetes undergoing open heart surgery provided excellent and safe glycemic control.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».