MétaCan
Menu
Retour à la cohorte
Enregistrement W2461542737 · doi:10.1089/dia.2015.0394

Comparison of Two Continuous Glucose Monitoring Systems, Dexcom G4 Platinum and Medtronic Paradigm Veo Enlite System, at Rest and During Exercise

2016· article· en· W2461542737 sur OpenAlexafffund
Nadine Taleb, Ali Emami, Corinne Suppère, Virginie Messier, Laurent Legault, Jean‐Louis Chiasson, Rémi Rabasa‐Lhoret, Ahmad Haidar

Notice bibliographique

RevueDiabetes Technology & Therapeutics · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensDiabetes CanadaMontreal Children's HospitalCentre Hospitalier de l’Université de MontréalMcGill UniversityMcGill University Health CentreUniversité de MontréalMontreal Clinical Research Institute
Organismes subventionnairesCanadian Institutes of Health ResearchDexcomDiabète Québec
Mots-clésContinuous glucose monitoringMedicineRest (music)Internal medicineType 1 diabetesDiabetes mellitusCardiologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite technological advances, the accuracy of continuous glucose monitoring (CGM) systems may not always be satisfactory with rapidly changing glucose levels, as is notable during exercise. We compare the performance of two current and widely used CGM systems, Dexcom G4 Platinum (Dexcom) and Medtronic Paradigm Veo Enlite system (Enlite), during both rest and exercise in adults with type 1 diabetes (T1D). RESEARCH DESIGN AND METHODS: Paired sensor and plasma glucose (PG) values (total of 431 data pairs for Dexcom and 425 for Enlite) were collected from 17 adults (37.3 ± 13.6 years) with T1D. To evaluate and compare the accuracy of sensor readings, criteria involving sensor bias (sensor minus PG levels), absolute relative difference (ARD), and percentage of readings meeting International Organization for Standardization (ISO) criteria were considered. RESULTS: Both Dexcom and Enlite performed equally well during the rest period, with respective mean/median biases of -0.12/-0.02 mmol/L versus -0.18/-0.40 (P = 0.78, P = 0.66) mmol/L and ARDs of 13.77/13.34% versus 12.38/11.95% (P = 0.53, P = 0.70). During exercise, sensor bias means/medians were -0.40/-0.21 mmol versus -0.26/-0.24 mmol/L (P = 0.67, P = 0.62) and ARDs were 22.53/15.13% versus 20.44/14.11% (P = 0.58, P = 0.68) for Dexcom and Enlite, respectively. Both sensors demonstrated significantly lower performance during exercise; median ARD comparison at rest versus exercise for both Dexcom and Enlite showed a P = 0.02. More data pairs met the ISO criteria for Dexcom and Enlite at rest, 73.6% and 76.9% compared with exercise 48.2% and 53.9%. CONCLUSION: Dexcom and Enlite demonstrated comparable overall performances during rest and physical activity. However, a lower accuracy was observed during exercise for both sensors, necessitating a fine-tuning of their performance with physical activity.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,024
Tête enseignante GPT0,314
Écart entre enseignants0,290 · 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'étudeObservationnel
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

Citations62
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiabetes Technology & TherapeuticsMême sujetDiabetes Management and ResearchTravaux en français237 207