Identifying Variables Associated With Inaccurate Self-Monitoring of Blood Glucose: Proposed Guidelines to Improve Accuracy
Notice bibliographique
Résumé
PURPOSE: This study was conducted to evaluate patients' proficiency in self-monitoring of blood glucose (SMBG). METHODS: Diabetes nurse educators in 4 suburban Minneapolis clinic sites surveyed the SMBG training/cure practices of 280 patients with type 1 and type 2 diabetes. Participant SMBG technique was measured by direct observation. Participants performed a finger puncture and used their own meters to measure the first blood sample. A second sample was measured on the HemoCue B Glucose analyzer, and a third sample was used to measure hemoglobin. The series of tests were then repeated. If either of the 2 glucose tests was more than 15% from the HemoCue value, participants were reeducated about the manufacturer's suggested procedure. RESULTS: Of the 280 participants, 19% had blood glucose test results greater than the 15% limit for meter accuracy. After reeducation, 69% of those who had initially failed achieved acceptable results. The most significant problems were lack of periodic meter technique evaluation, difficulty using wipe meters, incorrect use of control solutions, lack of hand washing even when observed, and unclean meters. CONCLUSIONS: As a result of the study, guidelines were subsequently developed to evaluate meter accuracy in an outpatient setting. Further effort is needed to establish standards for evaluating SMBG.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».