MétaCan
Menu
Retour à la cohorte
Enregistrement W3034748156 · doi:10.2337/db20-977-p

977-P: Alleviating Carbohydrate Counting with a FiASP-and-Pramlintide Artificial Pancreas: A Randomized Pilot Study

2020· article· en· W3034748156 sur OpenAlexaboutno aff
Michael A. Tsoukas, Emilie Palisaitis, Joanna Rutkowski, Julia von Oettingen, Laurent Legault, Jean‐François Yale, Ahmad Haidar

Notice bibliographique

RevueDiabetes · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSMA*GlycemicCrossover studyBolus (digestion)Internal medicineInsulinMathematicsPlacebo

Résumé

récupéré en direct d'OpenAlex

Objective: The aim of this pilot study was to assess if a FiASP-and-pramlintide artificial pancreas (AP) could alleviate the need for CHO counting by using a simple meal announcement system (pressing a button, no CHO counting) without degrading glycemic control. Methods: We conducted a 24-hour inpatient, randomized, crossover, non-inferiority, pilot study to compare (i) FiASP AP with full CHO counting (FCC) and CHO-matched boluses with (ii) FiASP-and-pramlintide AP with simple meal announcement (SMA). Pramlintide and FiASP were delivered in a basal-bolus manner using a fixed ratio (1U: 10µg). Results: Seven participants (age 26.2±16, HbA1c 8.4±0.8%) were included in the analysis. The time in range (3.9-10 mmol/L) was 85.7% (IQR: [72-93]) in the FCC arm and 87.3% [75-95] in the SMA arm (p=0.21). Time spent >10mmol/L did not differ between interventions (FCC: 11.4% [0.9-22], SMA: 10.1% [3.1-25], p=0.38). Time <3.9mmol/L was lower in the SMA arm (2.1% vs. 4.1%, p=0.02). One participant experienced persistent GI symptoms in the SMA arm. Conclusions: The FiASP-and-pramlintide SMA system has the potential of reducing the burden of CHO counting without degrading glucose control. Outpatient studies are warranted. Disclosure M. Tsoukas: Advisory Panel; Self; Eli Lilly and Company, Novo Nordisk Inc. Speaker’s Bureau; Self; Boehringer Ingelheim (Canada) Ltd., Janssen Scientific Affairs, LLC. E. Palisaitis: None. J. Rutkowski: None. J.E. von Oettingen: None. L. Legault: Advisory Panel; Self; Dexcom, Inc., Lilly Diabetes. Research Support; Self; AstraZeneca K.K., Merck & Co., Inc., Sanofi-Aventis. Other Relationship; Self; Lilly Diabetes. J. Yale: Advisory Panel; Self; AstraZeneca, Boehringer Ingelheim (Canada) Ltd., Eli Lilly and Company, Janssen Pharmaceuticals, Inc., Merck & Co., Inc., Novo Nordisk A/S, Sanofi. Board Member; Self; Diagnos. Research Support; Self; Bayer Inc., Novo Nordisk A/S, Sanofi. Speaker’s Bureau; Self; Abbott, AstraZeneca, Boehringer Ingelheim (Canada) Ltd., Eli Lilly and Company, Janssen Pharmaceuticals, Inc., Medtronic, Novo Nordisk A/S, Sanofi. A. Haidar: Consultant; Self; Eli Lilly and Company. Research Support; Self; Dexcom, Inc., Eli Lilly and Company. Funding JDRF (2-SRA-2018-654-M-B)

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,026
Tête enseignante GPT0,243
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Treatment and ManagementTravaux en français237 207