MétaCan
Menu
Retour à la cohorte
Enregistrement W4307805300 · doi:10.1210/jendso/bvac150.593

LBSUN214 Accuracy Of A Continuous Glucose Monitor In The Intensive Care Unit

2022· article· en· W4307805300 sur OpenAlexaboutno aff
Sewon Bann, JESS C. HERCUS, J Loyal, PAUL ATKINS, M Sekhon, D Thompson

Notice bibliographique

RevueJournal of the Endocrine Society · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHyperglycemia and glycemic control in critically ill and hospitalized patients
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlycemicMedicineContinuous glucose monitoringHypoglycemiaEmergency medicineIntensive care unitDiabetes mellitusGold standard (test)Blood Glucose Self-MonitoringPoint of careIntensive care medicineInternal medicineNursingEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Studies have shown that hyper/hypoglycemia and glycemic variation are associated with adverse outcomes in critically ill patients. Currently, frequent blood point-of-care (POC) glucose measurements from an arterial or capillary sample is the only technology available to minimize glycemic excursions in the ICU. Continuous glucose monitoring (CGM) is becoming the standard of care for outpatient diabetes care and has shown improved glycemic control in the non-ICU inpatient setting. The Dexcom G6 sensor (G6) is the first CGM device approved by Health Canada for outpatient diabetes management without the need for calibration, but it has not yet been approved for inpatient use. We collected data from 23 adults who were on an insulin infusion in a medical-surgical ICU in Vancouver, British Columbia to evaluate the accuracy of uncalibrated CGM in the ICU. A blinded G6 was attached to the patient's arm and collected glucose measurements every five minutes without calibration. Nursing staff continued POC arterial glucose measurements using the AccuChek Inform II machine per standard of care. Excluding four outliers (with mean absolute relative difference (MARD) ≥ 25%), the overall MARD was 13.24% (SE 0.43) over 649 matched CGM and arterial glucose values. A Clarke Error Grid demonstrated 99.1% of CGM measurements within zones A and B. The MARD using three-point rolling averages of CGM measurements in five-minute intervals was 13.49% (SE 0.68). There were 573 matched pairs between glucose ranges of 3.9-13.9 mmol/L with two pairs <3.9 and 74 pairs >13.9 mmol/L. Eleven patients had renal replacement therapy and twelve had vasopressor use. There was no significant difference in MARD with renal replacement or across glycemic ranges ≥3.9. The MARD for patients with vasopressors was lower than for patients without (13% vs 13.55%, p<0. 01), a finding of doubtful clinical relevance. There is no expert agreement yet about the acceptable accuracy for CGM use in hospital. Our overall MARD meets the 2013 Critical Care expert consensus recommendations for MARD <14%. The FDA guidance on standard of accuracy for conventional POC glucometers require 98% of values within 15% for BG ≥ 75mg/dL. Our data showed 65.18% of values were within 15%. Previous studies using CGM in the ICU, even those using G6, all used calibration. The majority were non-blinded, and none met FDA criteria for inpatient use. Our study is the first uncalibrated and blinded study that was able to demonstrate acceptable accuracy in a large sample size. Since CGM accuracy may be affected by various factors, our comprehensive data can potentially identify specific interferences and quantify a calibration or correction criteria to improve CGM accuracy in critically ill patients. Overall, our results show that CGM shows strong potential to be an accurate, resource-efficient, and intuitive alternative to POC glucose monitoring to meet glycemic targets in the ICU. Presentation: Sunday, June 12, 2022 12:30 p.m. - 2:30 p.m.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,307
Écart entre enseignants0,288 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Endocrine SocietyMême sujetHyperglycemia and glycemic control in critically ill and hospitalized patientsTravaux en français237 207