Association between residual islet beta‐cell function and achieving the target of time in range in inpatients with type 2 diabetes undergoing antidiabetic treatment: An observation study
Notice bibliographique
Résumé
AIM: To assess whether the beta-cell function of inpatients undergoing antidiabetic treatment influences achieving time in range (TIR) and time above range (TAR) targets. MATERIALS AND METHODS: This cross-sectional study included 180 inpatients with type 2 diabetes. TIR and TAR were assessed by a continuous glucose monitoring system, with target achievement defined as TIR more than 70% and TAR less than 25%. Beta-cell function was assessed by the insulin secretion-sensitivity index-2 (ISSI2). RESULTS: Following antidiabetic treatment, logistic regression analysis showed that lower ISSI2 was associated with a decreased number of inpatients achieving TIR (OR = 3.10, 95% CI: 1.19-8.06) and TAR (OR = 3.40, 95% CI: 1.35-8.55) targets after adjusting for potential confounders. Similar associations still existed in those participants treated with insulin secretagogues (TIR: OR = 2.91, 95% CI: 0.90-9.36, P = .07; TAR, OR = 3.14, 95% CI: 1.01-9.80) or adequate insulin therapy (TIR: OR = 2.84, 95% CI: 0.91-8.81, P = .07; TAR, OR = 3.24, 95% CI: 1.08-9.67). Furthermore, receiver operating characteristic curves showed that the diagnostic value of the ISSI2 for achieving TIR and TAR targets was 0.73 (95% CI: 0.66-0.80) and 0.71 (95% CI: 0.63-0.79), respectively. CONCLUSIONS: Beta-cell function was associated with achieving TIR and TAR targets. Stimulating insulin secretion or exogenous insulin treatment could not overcome the disadvantage of lower beta-cell function on glycaemic control.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».