Use of an integrated strip-free blood glucose monitoring system increases frequency of self-monitoring and improves glycemic control: Results from the ExAct study
Notice bibliographique
Résumé
We investigated the impact of using an integrated, strip-free system compared to the use of single-strip systems on testing frequency and glycemic control in individuals with insulin-treated diabetes. This multinational, comparative, cluster-randomized, observational study included 311 patients with type 1 and insulin-treated type 2 diabetes who were performing SMBG at suboptimal frequencies. Sites were cluster-randomized to “integrated strip-free” system (EXP group) or any “single-strip” system (CNL group). Testing frequency and HbA1c were measured at baseline, 12 weeks and 24 weeks. At week 24, the EXP group showed an increase in SMBG frequency from baseline of 4.17 tests/week (95% CI 2.76, 5.58) compared with an increase of 0.53 tests/week (95% CI −0.73, 1.79) among CNL patients, resulting in a between-group difference of 3.63 tests/week (p < 0.0002). Mixed-effects models for repeated measurements (MMRM) controlling for baseline frequency of testing, country and clinical site confirmed a higher SMBG testing frequency in the EXP group compared to the CNL group, with a between-group difference of 2.70 tests/week (p < 0.01). Univariate analysis showed greater HbA1c reductions in the EXP group than CNL group: −0.44% (95% CI −0.59, −0.29) vs. −0.13% (95% CI −0.27, 0.01), respectively, p < 0.0002. MMRM analyses confirmed these HbA1c reductions. A greater percentage of EXP than CNL patients achieved HbA1c reductions of ≥0.5%: 45.1% vs. 29.1%, respectively, p < 0.01. The use of an integrated, strip-free SMBG system improved testing adherence and was associated with improvements in 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 | 0,002 | 0,003 |
| 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 | 0,000 | 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 ».