Rethinking Carbohydrate Intake and Time in Range in Children and Adolescents with Type 1 Diabetes
Notice bibliographique
Résumé
The aim of this study was to evaluate the association between macronutrient intake and time in range (TIR) of 70–180 mg/dL in children and adolescents with type 1 diabetes (T1D). A multi-center study recruited patients with T1D using continuous glucose monitoring (CGM) between January 2019 and January 2020 from centers across Italy. Diet intake was recorded using three-day weighed food diaries. Nutrients were evaluated as percentages of total intake. TIR was considered at target if the percentage of readings was higher than 70%. Clinical and nutritional factors associated with TIR at target were analyzed using multiple correspondence analysis and multiple logistic regression. Data from 197 participants (53% male, median age 11.6 years, median HbA1c 55.2 mmol/mol, median TIR 60%) were analyzed. Macronutrient intake was 45.9% carbohydrates, 16.9% protein, 37.3% fat, and 13.1 g/day fiber (median values). TIR > 70% was observed in 28% of participants; their diet contained more protein (17.6%, p = 0.015) and fiber (14.4 g/day, p = 0.031) than those not at target. The probability of having a TIR > 70% was significantly higher with 40–44% consumption of carbohydrates compared with 45–50% consumption of carbohydrates and with the use of a carbohydrate counting system. Based on these results, a five percent reduction in the percentage of carbohydrate intake can help children and adolescents with T1D achieve the goal of a TIR > 70%. Both a lower and higher percentage of carbohydrate intake appears to reduce the probability of reaching the target TIR > 70%. These results require validation in other populations before being used in clinical practice.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».