Impact of macronutrient content of meals on postprandial glucose control in the context of closed‐loop insulin delivery: <scp>A</scp> randomized cross‐over study
Notice bibliographique
Résumé
The aim of this randomized four-way cross-over study was to examine the effect of added protein and/or fat in standard meals with a fixed carbohydrate content on postprandial glucose control with closed-loop insulin delivery in adults with type 1 diabetes. Participants (n = 15) consumed breakfast meals with a fixed carbohydrate content (75 ± 1 g) and added protein and/or fat (35 ± 2 g): (1) carbohydrate-only (standard), (2) high protein (HP), (3) high fat (HF) and (4) high fat + protein (HFHP). The closed-loop insulin delivery algorithm generated insulin bolus and infusion rates. The addition of fat, protein or both did not impact 5-hour post-meal sensor glucose area under the curve (AUC) (main outcome), mean sensor glucose or glycaemic peak as compared with a standard meal (P > 0.05). However, time to glycaemic peak was delayed by 40 minutes (P = 0.03) and 5-hour post-meal basal insulin requirements were 39% higher (P = 0.04) with an HFHP meal compared with a standard meal. In conclusion, in the context of closed-loop insulin delivery, protein and/or fat meal content affects the timing of postprandial glycaemic peak, insulin requirements and late glycaemic excursion, without impacting overall 5-hour AUC.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».