Time Lag and Accuracy of Continuous Glucose Monitoring During High Intensity Interval Training in Adults with Type 1 Diabetes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: This study investigated the accuracy of real-time continuous glucose monitoring (rtCGM) during high intensity interval training (HIIT) in patients with type 1 diabetes (T1D). Methods: Seventeen participants with T1D, using multiple daily injections (MDI) with basal insulin glargine 300 U/mL (Gla-300), completed four fasted HIIT sessions over 4 weeks while wearing a Dexcom rtCGM G4 Platinum system. Each exercise consisted of high intensity interval cycling and multimodal training over 25 min. Reference venous plasma glucose (PG) was measured at 60- and 10-min before exercise (Stage 1), every 10 min during exercise and then every 15 min until 180 min after the end of exercise (Stage 2: during exercise and 45-min early recovery; Stage 3: 45 min to 3 h after the end of exercise); and at 6-, 10-, and 13-h postexercise (Stage 4). Results: In the 64 HIIT sessions that resulted in hyperglycemia, PG increased 90.0 ± 32.4 mg/dL (mean ± standard deviation), peaking at 68.0 ± 18.4 min from the start of HIIT. Mean absolute relative difference was highest during exercise and early recovery (Stage 2) at 17.8%, versus Stage 1 (10.4%), Stage 3 (10.6%), and Stage 4 (11.5%) ( P < 0.001). During Stage 2, rtCGM showed a significant negative bias of 35.3 mg/dL ( P < 0.001) compared to reference glucose. Lag time to reach the half-maximal glucose rise was 35 min in rtCGM versus PG. The Surveillance Error Grid found that in Stage 2, only 65.5% of paired values were in the no-risk zone and the %15/15 was 50%, significantly lower than the other stages ( P < 0.001). Conclusions: During HIIT and early recovery, there is an increase in lag time and a related decline in accuracy of Dexcom rtCGM G4, compared to pre-exercise and later recovery, in patients with T1D using MDI.
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.
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) | 0,001 | 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 découle