Glucose or Intermittent High-Intensity Exercise in Glargine/Glulisine Users with T1DM
Notice bibliographique
Résumé
INTRODUCTION: The effects of glargine/glulisine insulin regimen on exercise blood glucose (BG) and strategies to limit exercise-induced hypoglycemia are not well documented. Intermittent high-intensity exercise has been proposed to prevent hypoglycemia, but its effect in participants with type 1 diabetes using glargine/glulisine is unknown. METHODS: The study used a repeated-measures design with three randomly ordered exercise conditions. Eleven participants completed 60 min of moderate-intensity exercise at 50% VO(2peak) for all conditions. These conditions varied as follows: participants ingested 0 g of glucose preexercise (0G + MOD), 30 g of glucose preexercise (30G + MOD), or 0 g of glucose preexercise but performed brief high-intensity intervals interspersed every 2 min (0G + MOD/INT) during exercise. If BG fell <4 mmol·L(-1), a 20% dextrose solution was started to maintain BG between 4 and 5 mmol·L(-1). RESULTS: Consuming 30 g of glucose before exercise (30G + MOD) resulted in a higher preexercise BG (11.7 ± 2.7 mmol·L(-1)) compared with 0 g of glucose before exercise (0G + MOD, 7.8 ± 4.0, and 0G + MOD/INT, 9.2 ± 3.5mmol·L(-1)), P < 0.05. A dextrose infusion was required in 7/11, 4/11, and 1/11 participants for 0G + MOD, 0G + MOD/INT, 30G + MOD conditions, respectively, P < 0.02. The duration and the quantity of dextrose infused were greatest in the 0G + MOD condition, moderate in the to 0G + MOD/INT condition, and minimal in the 30G + MOD condition, P < 0.01. CONCLUSION: Our results suggest that both moderate-intensity exercise with a 30-g preexercise glucose beverage or interspersed with intermittent high-intensity sprints may be safe strategies to prevent hypoglycemia in glargine/glulisine users.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».