MétaCan
Menu
Retour à la cohorte
Enregistrement W2918501898 · doi:10.2147/dmso.s195994

<p>Optimizing glycemic control in type 2 diabetic patients through the use of a low-carbohydrate, high-fat, ketogenic diet: a review of two patients in primary care</p>

2019· review· en· W2918501898 sur OpenAlexaff
Stefan Rallis

Notice bibliographique

RevueDiabetes Metabolic Syndrome and Obesity · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensBarrie Urology Group
Organismes subventionnairesnon disponible
Mots-clésKetogenic dietGlycemicMedicineCarbohydrateType 2 diabetesLow carbohydratePrimary careInternal medicineEndocrinologyDiabetes mellitusObesityWeight lossEpilepsy

Résumé

récupéré en direct d'OpenAlex

Established guidelines continue to promote carbohydrate-rich (>130 g/day) diets in the primary-care management of type 2 diabetic (DM2) patients. A growing body of evidence suggests that a low-carbohydrate, high-fat, ketogenic diet (KD) may be a more effective nutritional strategy for improving glycemic control. Two diabetic patients, a 65-year-old female and a 52-year-old male, were placed on KDs consisting of 70% fat, 20%-25% protein, and 5%-10% carbohydrates and monitored for 12 weeks. The 65-year-old female demonstrated a 2.4% reduction in HBA1C over 12 weeks while reducing her diabetic medication by 75%. The 52-year-old male demonstrated a 2.5% reduction in HBA1C while eliminating all diabetic medications. These cases demonstrate the efficacy of KDs in terms of improving glycemic control in DM2 patients and lend support to the increased use of KDs in this population cohort.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,344
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0080,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes Metabolic Syndrome and ObesityMême sujetDiet and metabolism studiesTravaux en français237 207