Intensive remote monitoring versus conventional care in type 1 diabetes: A randomized controlled trial
Notice bibliographique
Résumé
OBJECTIVE: While frequent contact with diabetes care providers may improve glycemic control among patients with type 1 diabetes (T1D), in-person visits are labor-intensive and costly. This study was conducted to assess the impact of an intensive remote therapy (IRT) intervention for pediatric patients with T1D. METHODS: Pediatric patients with T1D were randomized to IRT or conventional care (CC) for 6 months. Both cohorts continued routine quarterly clinic visits and uploaded device data; for the IRT cohort, data were reviewed and patients were contacted if regimen adjustments were indicated. Glycated hemoglobin (HbA1c) change from baseline was assessed at 6 and 9 months. Diabetes-related quality of life (QoL), healthcare services utilization, and hypoglycemic events were also tracked. RESULTS: Among 117 enrollees (60 IRT, 57 CC), mean (SD) 6-month %HbA1c change for IRT vs CC was -0.34 (0.85) (-3.7 mmol/mol) vs -0.05 (0.74) (-0.5 mmol/mol) overall (P = .071); -0.15 (0.67) (1.6 mmol/mol) vs -0.02 (0.66) (0.2 mmol/mol) for ages 8 to 12 (P = .541); and -0.50 (0.95) (-5.5 mmol/mol) vs -0.06 (0.80) (-0.7 mmol/mol) for ages 13 to 17 (P = .056). Diabetes-related QoL increased by 6.5 and 1.3 points for IRT and CC, respectively (P = .062). Three months after intervention cessation, %HbA1c changed minimally among treated children aged 8 to 12 but increased by 0.22 (0.89) (2.4 mmol/mol) among those aged 13 to 17. CONCLUSIONS: IRT substantially affected diabetes metrics and improved QoL among pediatric patients with T1D. Adolescents experienced a stronger treatment effect, but had difficulty in sustaining improved control after intervention cessation.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».