Improved Glycemia and Quality of Life Among Loop Users: Analysis of Real-world Data From a Single Center
Notice bibliographique
Résumé
Background Despite do-it-yourself automated insulin delivery being an unapproved method of insulin delivery, an increasing number of people with type 1 diabetes (T1D) worldwide are choosing to use Loop, a do-it-yourself automated insulin delivery system. Objective In this study, we aimed to assess glycemic outcomes, safety, and the perceived impact on quality of life (QOL) in a local Edmonton cohort of known Loop users. Methods An observational study of adults with T1D who used Loop was performed. An assessment of glycemic and safety outcomes, HbA1c, time in range, hospital admissions, and time below range compared users most recent 6 months of Loop use, with their prior regulatory approved insulin delivery method. QOL outcomes were assessed using Insulin Dosing Systems: Perceptions, Ideas, Reflections, and Expectations, diabetes impact, and device satisfaction measures (with maximum scores of 100, 10, and 10, respectively) and semistructured interviews. Results The 24 adults with T1D who took part in this study 16 (67%) were female, with a median age of 33 (IQR 28-45) years, median duration of diabetes of 22 (IQR 17-32) years, median pre-Loop HbA1c of 7.9% (IQR 7.6%-8.3%), and a median duration of Loop use of 18 (IQR 12-25) months. During Loop use, the participants had median (IQR) values of 7.1% (6.5%-7.5%), 54 mmol (48-58) for HbA1c and 76.5% (64.6%-81.9%) for time in range, which were a significant improvement from prior therapy (P=.001 and P=.005), with a nonsignificant reduction in time below range; 3.0 to 3.9 mmol/L (P=.17) and <3 mmol/L (P=.53). Overall, 2 episodes of diabetic ketoacidosis occurred in a total of 470 months of Loop use, and no severe hypoglycemia occurred. The positive impact of Loop use on QOL was explored in qualitative analysis and additionally demonstrated through a median Insulin Dosing Systems: Perceptions, Ideas, Reflections, and Expectations score of 86 (IQR 79-95), a median diabetes impact score of 2.8 (IQR 2.1-3.9), and a median device satisfaction score of 9 (IQR 8.2-9.4). Conclusions This local cohort of people with T1D demonstrated a beneficial effect of Loop use on both glycemic control and QOL, with no safety concerns being highlighted.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».