Predictive Low-Glucose Insulin Suspension Reduces Duration of Nocturnal Hypoglycemia in Children Without Increasing Ketosis
Notice bibliographique
Résumé
OBJECTIVE: Nocturnal hypoglycemia can cause seizures and is a major impediment to tight glycemic control, especially in young children with type 1 diabetes. We conducted an in-home randomized trial to assess the efficacy and safety of a continuous glucose monitor-based overnight predictive low-glucose suspend (PLGS) system. RESEARCH DESIGN AND METHODS: In two age-groups of children with type 1 diabetes (11-14 and 4-10 years of age), a 42-night trial for each child was conducted wherein each night was assigned randomly to either having the PLGS system active (intervention night) or inactive (control night). The primary outcome was percent time <70 mg/dL overnight. RESULTS: Median time at <70 mg/dL was reduced by 54% from 10.1% on control nights to 4.6% on intervention nights (P < 0.001) in 11-14-year-olds (n = 45) and by 50% from 6.2% to 3.1% (P < 0.001) in 4-10-year-olds (n = 36). Mean overnight glucose was lower on control versus intervention nights in both age-groups (144 ± 18 vs. 152 ± 19 mg/dL [P < 0.001] and 153 ± 14 vs. 160 ± 16 mg/dL [P = 0.004], respectively). Mean morning blood glucose was 159 ± 29 vs. 176 ± 28 mg/dL (P < 0.001) in the 11-14-year-olds and 154 ± 25 vs. 158 ± 22 mg/dL (P = 0.11) in the 4-10-year-olds, respectively. No differences were found between intervention and control in either age-group in morning blood ketosis. CONCLUSIONS: In 4-14-year-olds, use of a nocturnal PLGS system can substantially reduce overnight hypoglycemia without an increase in morning ketosis, although overnight mean glucose is slightly higher.
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) | 0,000 | 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 ».