The efficacy and safety of insulin pump therapy with predictive low glucose suspend feature in decreasing hypoglycemia in children with type 1 diabetes mellitus: A systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Automated insulin delivery with predictive low glucose suspend (PLGS) feature has the potential to reduce risk of hypoglycemia in patients with type 1 diabetes mellitus (T1DM). We aim to systematically synthesize the evidence on the efficacy and safety of PLGS in children and adolescents with T1DM. METHODS: We performed a systematic search through Ovid/MEDLINE, Ovid/Embase, and other search engines. We included randomized controlled trials (RCTs) evaluating the effect of sensor augmented pump (SAP) with PLGS feature compared to SAP or insulin pump therapy without SAP in decreasing hypoglycemia in children and adolescents aged 2 to 18 years with T1DM, with at least 2 weeks of follow-up. Two reviewers independently selected studies, extracted data, and evaluated the risk of bias (ROB). RESULTS: Five RCTs with total sample size of 493 children aged 6 to 18 years met the inclusion criteria. The overall ROB of included studies was low. There is high quality evidence that PLGS is superior to SAP in decreasing time spent in hypoglycemia (sensor glucose [SG] <3.9 mmol/L [<70 mg/dL]/24 h) and nocturnal hypoglycemia (SG <3.9 mmol [<70 mg/dL]/L/night) with an absolute mean difference of 17.4 min/d (95% CI: -19.2, -15.5) and 26.3 min/night (95% CI: -35.5, -16.7), respectively, without increasing percentage of time spent in hyperglycemia or episodes of diabetic ketoacidosis (DKA). There was insufficient evidence for the impact of PLGS on health related quality of life (HRQL). CONCLUSIONS: PLGS is superior to SAP in decreasing daytime and nocturnal hypoglycemia without increasing the risk of DKA or hyperglycemia. Future studies should address the impact of PLGS on children younger than 6-years-old and HRQL.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,031 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».