MétaCan
Menu
Retour à la cohorte
Enregistrement W4256638226 · doi:10.1089/dia.2017.2509

Advances in Exercise, Physical Activity, and Diabetes Mellitus

2017· review· en· W4256638226 sur OpenAlexaff
Aoibhe M. Pasieka, Michael C. Riddell

Notice bibliographique

RevueDiabetes Technology & Therapeutics · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMedicineDiabetes mellitusPhysical activityPhysical therapyIntensive care medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

I n 2015/2016, a number of papers were published on the challenges of exercise management for patients living with diabetes. A big focus was on testing how the artificial pancreas might function during exercise, with or without activity announcements and the addition of glucagon. Moreover, several papers revealed barriers to exercise participation for people living with type 1 or type 2 diabetes. A few papers demonstrated that many of the tools for the preservation of glucose control during and after exercise in type 1 diabetes are not being used. This year, we selected 10 papers to highlight the field of exercise and diabetes, with an emphasis on ''technology'' rather than on the possible mechanisms for exercise action. Our initial search was restricted to human studies and primarily on studies in which patients with diabetes severed as subject participants. We screened over 150 papers on the topic that were found on Pubmed and other common search engines published between July 1, 2015 and June 30, 2016. The following 10 papers, we think, represent some of the highlights.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,406
Écart entre enseignants0,337 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes Technology & TherapeuticsMême sujetDiabetes Management and ResearchTravaux en français237 207