MétaCan
Menu
Retour à la cohorte
Enregistrement W2618627248 · doi:10.1089/dia.2017.0025

Factory-Calibrated Continuous Glucose Sensors: The Science Behind the Technology

2017· article· en· W2618627248 sur OpenAlexaff
Udo Hoss, Erwin S. Budiman

Notice bibliographique

RevueDiabetes Technology & Therapeutics · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensAbbott (Canada)
Organismes subventionnairesnon disponible
Mots-clésCalibrationFactory (object-oriented programming)Process (computing)Robustness (evolution)AutomationComputer scienceReal-time computingComputer hardwareAutomotive engineeringProcess engineeringEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The use of commercially available continuous glucose monitors for diabetes management requires sensor calibrations, which until recently are exclusively performed by the patient. A new development is the implementation of factory calibration for subcutaneous glucose sensors, which eliminates the need for user calibrations and the associated blood glucose tests. Factory calibration means that the calibration process is part of the sensor manufacturing process and performed under controlled laboratory conditions. The ability to move from a user calibration to factory calibration is based on several technical requirements related to sensor stability and the robustness of the sensor manufacturing process. The main advantages of factory calibration over the conventional user calibration are: (a) more convenience for the user, since no more fingersticks are required for calibration and (b) elimination of use errors related to the execution of the calibration process, which can lead to sensor inaccuracies. The FreeStyle Libre ™ and FreeStyle Libre Pro ™ flash continuous glucose monitoring systems are the first commercially available sensor systems using factory-calibrated sensors. For these sensor systems, no user calibrations are required throughout the sensor wear duration.

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)0,010
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,005
Communication savante0,0060,008
Science ouverte0,0030,003
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,030
Tête enseignante GPT0,316
Écart entre enseignants0,287 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations141
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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