MétaCan
Menu
Retour à la cohorte
Enregistrement W2408187559 · doi:10.2337/diaspect.22.1.6

Medical Management of Hyperglycemia in Type 2 Diabetes: A Consensus Algorithm for the Initiation and Adjustment of Therapy

2009· article· en· W2408187559 sur OpenAlex
David M. Nathan, John B. Buse, Mayer B. Davidson, Ele Ferrannini, Rury R. Holman, Robert Sherwin, Bernard Zinman

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDiabetes Spectrum · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineGlycemicType 2 diabetesDiabetes mellitusIntensive care medicineDiabetes managementAlgorithmDyslipidemiaPsychological interventionInsulin resistanceEndocrinologyNursing

Résumé

récupéré en direct d'OpenAlex

The consensus algorithm for the medical management of type 2 diabetes was published in August 2006 with the expectation that it would be updated, based on the availability of new interventions and new evidence to establish their clinical role. The authors continue to endorse the principles used to develop the algorithm and its major features. We are sensitive to the risks of changing the algorithm cavalierly or too frequently, without compelling new information. An update to the consensus algorithm published in January 2008 specifically addressed safety issues surrounding the thiazolidinediones. In this revision, we focus on the new classes of medications that now have more clinical data and experience. Diabetes Care 32:193–203, 2009 The epidemic of type 2 diabetes and the recognition that achieving specific glycemic goals can substantially reduce morbidity have made the effective treatment of hyperglycemia a top priority.1–3 While the management of hyperglycemia, the hallmark metabolic abnormality associated with type 2 diabetes, has historically taken center stage in the treatment of diabetes, therapies directed at other coincident features, such as dyslipidemia, hypertension, hypercoagulability, obesity, and insulin resistance, have also been a major focus of research and therapy. Maintaining glycemic levels as close to the nondiabetic range as possible has been demonstrated to have a powerful beneficial effect on diabetes-specific microvascular complications, including retinopathy, nephropathy, and neuropathy, in the setting of type 1 diabetes;4,5 in type 2 diabetes, more intensive treatment strategies have likewise been demonstrated to reduce microvascular complications.6–8 Intensive glycemic management resulting in lower A1C levels has also been shown to have a beneficial effect on cardiovascular disease (CVD) complications in type 1 diabetes;9,10 however, current studies have failed to demonstrate a beneficial effect of intensive diabetes therapy on CVD in type 2 diabetes. …

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,425

Scores Codex et Gemma par catégorie

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

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 GPT0,264
Écart entre enseignants0,250 · 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