Efficacy of an Overnight Predictive Low-Glucose Suspend System in Relation to Hypoglycemia Risk Factors in Youth and Adults With Type 1 Diabetes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: We developed a system to suspend insulin pump delivery overnight when the glucose trend predicts hypoglycemia. This predictive low-glucose suspend (PLGS) system substantially reduces nocturnal hypoglycemia without an increase in morning ketosis. Evaluation of hypoglycemia risk factors that could potentially influence the efficacy of the system remains critical for understanding possible problems with the system and identifying patients that may have the greatest benefit when using the system. METHODS: The at-home randomized trial consisted of 127 study participants with hemoglobin A1c (A1C) of ≤8.5% (mmol/mol) for patients aged 4-14 years and ≤8.0% for patient aged 15-45 years. Factors assessed included age, gender, A1C, diabetes duration, daily percentage basal insulin, total daily dose of insulin (units/kg-day), bedtime BG, bedtime snack, insulin on board, continuous glucose monitor (CGM) rate of change (ROC), day of the week, time system activated, daytime exercise intensity, and daytime CGM-measured hypoglycemia. RESULTS: The PLGS system was effective in preventing hypoglycemia for each factor subgroup. There was no evidence that the PLGS system was more or less effective in preventing hypoglycemia in any one subgroup compared with the other subgroups based on that factor. In addition, the effect of the system on overnight hyperglycemia did not differ in subgroups. CONCLUSIONS: The PLGS system tested in this study effectively reduced hypoglycemia without a meaningful increase in hyperglycemia across a variety of factors.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle