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 OpenAlexaff
David M. Nathan, John B. Buse, Mayer B. Davidson, Ele Ferrannini, Rury R. Holman, Robert Sherwin, Bernard Zinman

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.

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)0,052
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,274

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,053
Méta-épidémiologie (sens strict)0,0050,002
Méta-épidémiologie (sens large)0,0070,008
Bibliométrie0,0140,007
Études des sciences et des technologies0,0050,004
Communication savante0,0080,008
Science ouverte0,0140,010
Intégrité de la recherche0,0110,020
Charge utile insuffisante (le modèle a refusé de juger)0,0070,008

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

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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations42
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes SpectrumMême sujetDiabetes Treatment and ManagementTravaux en français237 207