Population-level management of Type 1 diabetes via continuous glucose monitoring and algorithm-enabled patient prioritization: Precision health meets population health
Notice bibliographique
Résumé
Abstract Objective To develop and scale algorithm-enabled patient prioritization to improve population-level management of type 1 diabetes (T1D) in a pediatric clinic with fixed resources, using telemedicine and remote monitoring of patients via continuous glucose monitor (CGM) data review. Research Design and Methods We adapted consensus glucose targets for T1D patients using CGM to identify interpretable clinical criteria to prioritize patients for weekly provider review. The criteria were constructed to manage the number of patients reviewed weekly and identify patients who most needed provider contact. We developed an interactive dashboard to display CGM data relevant for the patients prioritized for review. Results The introduction of the new criteria and interactive dashboard was associated with a 60% reduction in the mean time spent by diabetes team members who remotely and asynchronously reviewed patient data and contacted patients, from 3.2±0.20 to 1.3±0.24 minutes per patient per week. Given fixed resources for review, this corresponded to an estimated 147% increase in weekly clinic capacity. Patients who qualified for and received remote review (n=58) have associated 8.8 percentage points (pp) (95% CI = 0.6–16.9pp) greater time-in-range (70-180 mg/dL) glucoses compared to 25 control patients who did not qualify at twelve months after T1D onset. Conclusions An algorithm-enabled prioritization of T1D patients with CGM for asynchronous remote review reduced provider time spent per patient and was associated with improved time-in-range.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».