Determining starting basal rates of insulin infusion for insulin pump users: a comparison between methods
Notice bibliographique
Résumé
OBJECTIVE: We aimed to assess the accuracy and safety of presently available methods of estimating starting basal insulin rates for patients with type 1 and 2 diabetes, and to compare them against an empirically derived standard basal rate and a newly developed regression formula. RESEARCH DESIGN AND METHODS: Data on 61 patients with type 1 diabetes on continuous subcutaneous insulin infusion (CSII) therapy and 34 patients with type 2 diabetes on CSII were reviewed. Patient data were first analyzed for correlations between initial patient parameters and final basal rates. Starting basal rates were then retrospectively calculated for these patients according to the weight-based method (WB-M), the total daily dose (TDD) of insulin method (TDD-M), a flat empiric value, and a new formula developed by regression analysis of clinical data. These 4 methods were subsequently compared in their accuracy and potential risk of hypoglycemia. RESULTS: For type 1 diabetes, patient weight and TDD of long-acting insulin correlated with final basal rates. Both the regression formula and the TDD-M appeared safer than the WB-M and empirical estimates. For type 2 diabetes, only patient TDD of long-acting insulin correlated with final basal rates. The regression formula was significantly more accurate for patients with type 2 diabetes overall, but the TDD-M estimate was marginally safer. CONCLUSIONS: The pre-existing TDD-M was found to be the safest presently recommended estimate of initial basal rates for pump initiation in both type 1 and 2 diabetes. The best-fit regression was found to have potential use for type 2 CSII initiation.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».