MétaCan
Menu
← Retour à la cohorte
Enregistrement W4366401091 · doi:10.1101/2023.04.15.23288624

Utility of Technology in the Treatment of Type 1 Diabetes: Current State of the Art and Precision Evidence

2023· preprint· en· W4366401091 sur OpenAlexfundno aff
Laura M. Jacobsen, Jennifer L. Sherr, Elizabeth G. Considine, Angela Chen, Sarah Peeling, Margo Hulsmans, Sara Charleer, Marzhan Urazbayeva, Mustafa Tosur, SELMA A. ALAMARIE, María J. Redondo, Korey K. Hood, Peter A. Gottlieb, Pieter Gillard, Jessie J. Wong, Irl B. Hirsch, Richard E. Pratley, Lori M. Laffel, Chantal Mathieu

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthKU LeuvenNovo NordiskDexcomMerck Sharp and DohmeInsulet CorporationUniversity of ChicagoBayerEli Lilly and CompanyAstraZenecaLunds UniversitetJanssen PharmaceuticalsMcMaster UniversityPfizerSanofiAmerican Diabetes Association
Mots-clésGlycemicMedicineType 2 diabetesHypoglycemiaRandomized controlled trialScarcityType 1 diabetesIntensive care medicineHealth careDiabetes mellitusInsulinSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract The greatest change in the treatment of people living with type 1 diabetes in the last decade has been the explosion of technology assisting in all aspects of diabetes therapy, from glucose monitoring to insulin delivery and decision making. Through screening of 835 peer-reviewed articles followed by systematic review of 70 of them (focusing on randomized trials and extension studies with ≥50 participants from the past 10 years), we conclude that novel technologies, ranging from continuous glucose monitoring systems, insulin pumps and decision support tools to the most advanced hybrid closed loop systems, improve important measures like HbA1c, time in range, and glycemic variability, while reducing hypoglycemia risk. Several studies included person-reported outcomes, allowing assessment of the burden or benefit of the technology in the lives of those with type 1 diabetes, demonstrating positive results or, at a minimum, no increase in self-care burden compared with standard care. Important limitations of the trials to date are their small size, the scarcity of pre-planned or powered analyses in sub-populations such as children, racial/ethnic minorities, people with advanced complications, and variations in baseline glycemic levels. In addition, confounders including education with device initiation, concomitant behavioral modifications, and frequent contact with the healthcare team are rarely described in enough detail to assess their impact. Our review highlights the potential of technology in the treatment of people living with type 1 diabetes and provides suggestions for optimization of outcomes and areas of further study for precision medicine-directed technology use in type 1 diabetes. Preface (Lay Abstract) We reviewed literature of the last decade to evaluate the impact of technology on the treatment of people living with type 1 diabetes. Screening of 835 articles and in-depth review of 70 showed that novel technologies, ranging from continuous glucose monitoring systems, insulin pumps and decision support tools to the most advanced hybrid closed loop systems, improve important measures like HbA1c and time in range, while reducing hypoglycemia risk. Of importance, several studies showed a positive impact on person-reported outcomes, like quality of life or, at a minimum, no increase in self-care burden compared with standard care.

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)0,022
score de la tête « metaresearch » (Gemma)0,101
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,101
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,002
Communication savante0,0040,006
Science ouverte0,0020,002
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,115
Tête enseignante GPT0,380
Écart entre enseignants0,265 · 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'étudeRevue systématique
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetDiabetes Management and Research→Travaux en français237 207→