MétaCan
Menu
Retour à la cohorte
Enregistrement W4281789167 · doi:10.2337/db22-660-p

660-P: The Effect of Real-Time Continuous Glucose Monitors on Fear of Hypoglycemia in People with Type 1 Diabetes: A Systematic Review and Meta-analysis

2022· review· en· W4281789167 sur OpenAlexaboutno aff
MERYEM K. TALBO, Alexandra Katz, TRICIA PETERS, Jean‐François Yale, ZEKAI WU, ANNE-SOPHIE BRAZEAU

Notice bibliographique

RevueDiabetes · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObservational studyMedicineMeta-analysisHypoglycemiaType 1 diabetesInternal medicineMean differenceType 2 diabetesDiabetes mellitusPediatricsContinuous glucose monitoringInsulinEndocrinologyConfidence interval

Résumé

récupéré en direct d'OpenAlex

Background: Real-time continuous glucose monitors (rtCGM) are associated with improved type 1 diabetes (T1D) management and quality of life but little is known on their impact on fear of hypoglycemia (FOH) . This review and meta-analysis assessed the impact of rtCGM on FOH in T1D. Methods: Studies assessing FOH in non-pregnant adults with T1D using rtCGM compared to capillary blood glucose (CBG) or intermittently scanned CGM (isCGM) were included. Results from RCTs were pooled using a random-effects model to calculate the standardized mean difference (SMD) with 95% CI. Results: We identified 14 original studies, with 2590 participants and lasting 8 to 26 weeks for RCTs and 16 to 52 weeks for observational studies. Ten RCTs were included in the meta-analysis. A clear trend was observed that rtCGM was associated with lower FOH (mean difference (MD) = -3.44, 95%CI [-4.02, -2.85]) with the effect size showing a significant moderate association between rtCGM and FOH reduction compared to controls (SMD= -0.52, 95%CI [-1.02, -0.02], I2= 92%) (Figure) . Observational studies (n= 4) showed a significant association between rtCGM use and lower FOH (MD = -4.10, 95%CI [-4.84, -3.36]) . Conclusions: Compared to both isCGM and CBG; rtCGM use shows a moderate trend for lower FOH in medium-term RCTs, which was further supported by results from longer observational studies. Disclosure M.K.Talbo: None. A.Katz: None. T.Peters: None. J.Yale: Advisory Panel; Bayer AG, Boehringer Ingelheim International GmbH, Eli Lilly and Company, Novo Nordisk Canada Inc., Sanofi, Research Support; Bayer AG, Speaker's Bureau; Abbott Diabetes, AstraZeneca, Bayer AG, Dexcom, Inc., Eli Lilly and Company, Janssen Pharmaceuticals, Inc., Merck & Co., Inc., Novo Nordisk Canada Inc., Sanofi. Z.Wu: Other Relationship; Eli Lilly and Company. A.Brazeau: Research Support; Eli Lilly and Company, Novo Nordisk, Sanofi.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,026
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0160,046
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,028
Tête enseignante GPT0,315
Écart entre enseignants0,287 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Management and ResearchTravaux en français237 207