Algorithm-Enabled, Personalized Glucose Management for Type 1 Diabetes at the Population Scale: Prospective Evaluation in Clinical Practice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The use of continuous glucose monitors (CGMs) is recommended as the standard of care by the American Diabetes Association for individuals with type 1 diabetes (T1D). Few hardware-agnostic, open-source, whole-population tools are available to facilitate the use of CGM data by clinicians such as physicians and certified diabetes educators. OBJECTIVE: This study aimed to develop a tool that identifies patients appropriate for contact using an asynchronous message through electronic medical records while minimizing the number of patients reviewed by a certified diabetes educator or physician using the tool. METHODS: We used consensus guidelines to develop timely interventions for diabetes excellence (TIDE), an open-source hardware-agnostic tool to analyze CGM data to identify patients with deteriorating glucose control by generating generic flags (eg, mean glucose [MG] >170 mg/dL) and personalized flags (eg, MG increased by >10 mg/dL). In a prospective 7-week study in a pediatric T1D clinic, we measured the sensitivity of TIDE in identifying patients appropriate for contact and the number of patients reviewed. We simulated measures of the workload generated by TIDE, including the average number of time in range (TIR) flags per patient per review period, on a convenience sample of eight external data sets, 6 from clinical trials and 2 donated by research foundations. RESULTS: Over the 7 weeks of evaluation, the clinical population increased from 56 to 64 patients. The mean sensitivity was 99% (242/245; SD 2.5%), and the mean reduction in the number of patients reviewed was 42.6% (182/427; SD 10.9%). The 8 external data sets contained 1365 patients with 30,017 weeks of data collected by 7 types of CGMs. The rates of generic and personalized TIR flags per patient per review period were, respectively, 0.15 and 0.12 in the data set with the lowest average MG (141 mg/dL) and 0.95 and 0.22 in the data set with the highest average MG (207 mg/dL). CONCLUSIONS: TIDE is an open-source hardware-agnostic tool for personalized analysis of CGM data at the clinical population scale. In a pediatric T1D clinic, TIDE identified 99% of patients appropriate for contact using an asynchronous message through electronic medical records while reducing the number of patients reviewed by certified diabetes care and education specialists by 43%. For each of the 8 external data sets, simulation of the use of TIDE produced fewer than 0.25 personalized TIR flags per patient per review period. The use of TIDE to support telemedicine-based T1D care may facilitate sensitive and efficient guideline-based population health management.
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.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 découle