MétaCan
Menu
Retour à la cohorte
Enregistrement W2213562886 · doi:10.1089/dia.2013.0287

Target Attainment Through Algorithm Design During Intravenous Insulin Infusion

2013· article· en· W2213562886 sur OpenAlexaff
Radha Devi, Tatheer Zohra, Bradley S. Howard, Susan S. Braithwaite

Notice bibliographique

RevueDiabetes Technology & Therapeutics · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueHyperglycemia and glycemic control in critically ill and hospitalized patients
Établissements canadiensHealth Care Foundation
Organismes subventionnairesnon disponible
Mots-clésMedicineGlycemicDiabetic ketoacidosisInsulinInflection pointAlgorithmDiabetes mellitusMultiplicative functionAnesthesiaInternal medicineMathematicsEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Algorithms were designed under a single model, to attain differing designated glycemic targets during intravenous insulin infusion, and evaluated in order to justify computerization of the model. The approximate maintenance rate (MR) of insulin infusion is discovered according to rate of change of blood glucose (BG) and previous insulin infusion rate (IR). During treatment, re-assignment of IR depends on MR and BG. For each MR, a roughly sigmoidal relationship between BG and IR is specified, such that the inflection point falls approximately at a true target BG. MATERIALS AND METHODS: Performance at St. Francis Hospital, Evanston, IL, was examined during use of tabular algorithms targeting three distinct BG ranges, appropriate for the treatment of hyperglycemic hyperosmolar state, diabetic ketoacidosis, or hyperglycemia accompanying other critical illness. Group membership was defined according to algorithm used for patient treatment during the first 6 months of 2012. The group geometric mean (GGM) and multiplicative surrogate standard deviation (MSSD) are reported as group measures, respectively typifying the central tendency and variability of individual patient BG distributions. RESULTS: Between first attainment of target range BG control and a data collection end point, BG data were evaluable during treatment courses for 58 patients. During this time frame, in the group treated with target 100-149 mg/dL, there were five episodes of BG <70 mg/dL for each of five patients, with the lowest being 57 mg/dL. The GGM (with multiplicative standard deviation) was 269.4 (÷/× 1.06) mg/dL for the algorithm having target 200-299 mg/dL (n = 3 treatment courses), 172.6 (÷/× 1.15) mg/dL for target 150-199 mg/dL (n = 7), and 131.3 (÷/× 1.19) mg/dL for target 100-149 mg/dL (n = 48). The values of MSSD for the three groups were (÷/× 1.14), (÷/× 1.20), and (÷/× 1.20), respectively. CONCLUSIONS: The pilot series suggests that once target range BG is attained, maintenance of control within each of three distinct BG target ranges is achievable, according to choice of algorithm.

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)0,014
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,252
Écart entre enseignants0,238 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes Technology & TherapeuticsMême sujetHyperglycemia and glycemic control in critically ill and hospitalized patientsTravaux en français237 207