MétaCan
Menu
Retour à la cohorte
Enregistrement W2178865205 · doi:10.1177/1932296815609370

Exercise and the Development of the Artificial Pancreas

2015· review· en· W2178865205 sur OpenAlexaff
Michael C. Riddell, Dessi P. Zaharieva, Loren Yavelberg, Ali Çınar, Veronica Jamnik

Notice bibliographique

RevueJournal of Diabetes Science and Technology · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensYork University
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésArtificial pancreasGlucagonAnaerobic exerciseInsulinEndocrinologyInternal medicineType 1 diabetesAerobic exerciseMedicineHormoneDiabetes mellitusType 2 diabetesChemistryPhysiology

Résumé

récupéré en direct d'OpenAlex

Regular physical activity (PA) promotes numerous health benefits for people living with type 1 diabetes (T1D). However, PA also complicates blood glucose control. Factors affecting blood glucose fluctuations during PA include activity type, intensity and duration as well as the amount of insulin and food in the body at the time of the activity. To maintain equilibrium with blood glucose concentrations during PA, the rate of glucose appearance (Ra) to disappearance (Rd) in the bloodstream must be balanced. In nondiabetics, there is a rise in glucagon and a reduction in insulin release at the onset of mild to moderate aerobic PA. During intense aerobic -anaerobic work, insulin release first decreases and then rises rapidly in early recovery to offset a more dramatic increase in counterregulatory hormones and metabolites. An "exercise smart" artificial pancreas (AP) must be capable of sensing glucose and perhaps other physiological responses to various types and intensities of PA. The emergence of this new technology may benefit active persons with T1D who are prone to hypo and hyperglycemia.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,343
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations100
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Diabetes Science and TechnologyMême sujetDiabetes Management and ResearchTravaux en français237 207