MétaCan
Menu
Retour à la cohorte
Enregistrement W2965766892 · doi:10.2337/dc19-0609

Paradoxical Rise in Hypoglycemia Symptoms With Development of Hyperglycemia During High-Intensity Interval Training in Type 1 Diabetes

2019· article· en· W2965766892 sur OpenAlexaff
Dana Potashner, Ruth E. Brown, Aihua Li, Michael C. Riddell, Ronnie Aronson

Notice bibliographique

RevueDiabetes Care · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensYork UniversityLMC Diabetes & Endocrinology (Canada)
Organismes subventionnairesSanofi
Mots-clésMedicineHypoglycemiaDiabetes mellitusHigh-intensity interval trainingType 2 diabetesIntensity (physics)Internal medicineType 1 diabetesEndocrinology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE To assess the reliability of self-perception of glycemia during high-intensity interval training (HIIT) in subjects with type 1 diabetes. RESEARCH DESIGN AND METHODS This randomized crossover study included subjects who completed four fasted HIIT sessions. Subjects answered the Edinburgh Hypoglycemia Scale, estimated their blood glucose (BG), and had plasma glucose (PG) collected throughout exercise and recovery. RESULTS As PG increased throughout exercise, hypoglycemia scores increased across each category: autonomic (3.1–4.4, P < 0.05), neuroglycopenic (1.5–2.4, P < 0.05), and nonspecific (1.3–1.9, P < 0.05). Subjects’ estimated BG showed a negative bias that widened as exercise progressed and peaked at −1.6 ± 3.3 mmol/L (P < 0.001) postinsulin correction. CONCLUSIONS During HIIT, despite progressing hyperglycemia, subjects experience increased hypoglycemia symptoms and tend to underestimate their BG level.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,853

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,242
Écart entre enseignants0,229 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes CareMême sujetDiabetes Management and ResearchTravaux en français237 207