Could Age, Sex and Physical Fitness Affect Blood Glucose Responses to Exercise in Type 1 Diabetes?
Notice bibliographique
Résumé
Closed-loop systems for patients with type 1 diabetes are progressing rapidly. Despite these advances, current systems may struggle in dealing with the acute stress of exercise. Algorithms to predict exercise-induced blood glucose changes in current systems are mostly derived from data involving relatively young, fit males. Little is known about the magnitude of confounding variables such as sex, age, and fitness level-underlying, uncontrollable factors that might influence blood glucose control during exercise. Sex-related differences in hormonal responses to physical exercise exist in studies involving individuals without diabetes, and result in altered fuel metabolism during exercise. Increasing age is associated with attenuated catecholamine responses and lower carbohydrate oxidation during activity. Furthermore, higher fitness levels can alter hormonal and fuel selection responses to exercise. Compounding the limited research on these factors in the metabolic response to exercise in type 1 diabetes is a limited understanding of how these variables affect blood glucose levels during different types, timing and intensities of activity in individuals with type 1 diabetes (T1D). Thus, there is currently insufficient information to model a closed-loop system that can predict them accurately and consistently prevent hypoglycemia. Further, studies involving both sexes, along with a range of ages and fitness levels, are needed to create a closed-loop system that will be more precise in regulating blood glucose during exercise in a wide variety of individuals with T1D.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».