Intensive Glycemic Treatment During Type 1 Diabetes Pregnancy: A Story of (Mostly) Sweet Success!
Notice bibliographique
Résumé
Studies from Scotland and Canada confirm large increases in the incidence of pregnancies complicated by pregestational type 1 diabetes (T1D). With this increased antenatal workload comes more specialization and staff expertise, which may be important as diabetes technology use increases. While euglycemia remains elusive and obstetrical intervention (earlier delivery, increased operative deliveries) is increasing, there have been some notable successes in the past 5-10 years. These include a decline in the rates of congenital anomaly (Canada) and stillbirths (U.K.) and substantial reductions in both maternal hypoglycemia (both moderate and severe) across many countries. However, pregnant women with T1D still spend ∼30-45% of the time (8-11 h/day) hyperglycemic during the second and third trimesters. The duration of maternal hyperglycemia appears unchanged in routine clinical care over the past decade. This ongoing fetal exposure to maternal hyperglycemia likely explains the persistent rates of large for gestational age (LGA), neonatal hypoglycemia, and neonatal intensive care unit (NICU) admissions in T1D offspring. The Continuous Glucose Monitoring in Women With Type 1 Diabetes in Pregnancy Trial (CONCEPTT) found that pregnant women using real-time continuous glucose monitoring (CGM) spent 5% less time (1.2 h/day) hyperglycemic during the third trimester, with clinically relevant reductions in LGA, neonatal hypoglycemia, and NICU admissions. This article will review the progress in our understanding of the intensive glycemic treatment of T1D pregnancy, focusing in particular on the recent technological advances in CGM and automated insulin delivery. It suggests that even with advanced diabetes technology, optimal maternal dietary intake is needed to minimize the neonatal complications attributed to postprandial hyperglycemia.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».