Advanced Meter Features Improve Postprandial and Paired Self-Monitoring of Blood Glucose in Individuals with Diabetes: Results of the Actions with the CONTOUR Blood Glucose Meter and Behaviors in Frequent Testers (ACT) Study
Notice bibliographique
Résumé
BACKGROUND: This study evaluated whether education and use of the advanced meter features of the CONTOUR(®) (Bayer HealthCare LLC, Diabetes Care, Tarrytown, NY) blood glucose monitoring system (BGMS) affect the frequency and pattern of blood glucose testing in insulin-using subjects with diabetes who routinely perform self-monitoring of blood glucose (SMBG). SUBJECTS AND METHODS: Insulin-using subjects with type 1 or type 2 diabetes were enrolled in this 6-month, multicenter, prospective study and randomized to one of two groups. The basic meter features group (BMF group) received basic instruction in the use of the BGMS, whereas the advanced meter features group (AMF group) also received training in the use of advanced features, including the meal marker and audible reminder, and were instructed to use these features. Both groups received education on the importance of postprandial testing. RESULTS: The AMF group (n=105) had significantly greater average weekly postprandial blood glucose testing than the BMF group (n=106) at each follow-up visit (P<0.001) and significantly increased the frequency of paired blood glucose testing (P<0.001) as well. In both groups, glycated hemoglobin decreased significantly as postprandial testing frequency increased (P<0.05). Subject reports indicated that use of advanced features made postmeal SMBG considerably easier to remember, helped them better understand how to make decisions on their own, and increased their confidence in meal choices. CONCLUSIONS: Study findings showed that advanced features of the CONTOUR BGMS increased structured testing as measured by postprandial and paired SMBG and were perceived as useful by patients.
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 | 0,000 | 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 ».