MétaCan
Menu
Retour à la cohorte
Enregistrement W4376128787 · doi:10.2337/ds22-0085

Trends in Time in Range–Related Publications and Clinical Trials: A Bibliometric Review

2023· review· en· W4376128787 sur OpenAlex
Pranav Patel, Richard M. Abaniel, Natasha Dogra, Charles B. Lo, Marie A. Frazzitta, Naunihal Virdi

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDiabetes Spectrum · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensDiabetes Canada
Organismes subventionnairesAbbott Diabetes CareAbbott Laboratories
Mots-clésMedicineClinical trialObservational studyMEDLINETrial registrationFamily medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective: The goal of this article was to describe trends in publications (including conference abstracts) and clinical trials that report on glycemic time in range (TIR). Data sources: Reviewed databases included but were not limited to MEDLINE and Embase. Clinical trial registries were also sourced. Study selection: All studies reporting TIR published between 2010 and 2021 were included. Clinical trials reporting TIR that started in or after 2010 were also included. Non-English publications, abstracts, and clinical trials were excluded. Book chapters, nonhuman studies, and studies not reporting TIR were excluded. Data extraction: Manuscript/abstract category, publication year, study region, interventional versus observational role of continuous glucose monitoring (CGM), and clinical trial start and completion dates were captured. Glycemic outcomes reported in publications or trials, including TIR as a primary outcome, A1C, time below range (TBR), and time above range (TAR), were also captured. Results: A total of 373 clinical trials, 531 publications, and 620 abstracts were included in the review. The number of trials, publications, and abstracts reporting TIR significantly increased, particularly between 2018 and 2021, during which time the number of clinical trials, publications, and conference abstracts reporting TIR increased by 6-fold, 12-fold, and 4.5-fold, respectively. About 35-44% of studies reported TIR as a primary outcome. Approximately 54% of clinical trials, 47% of publications, and 47% of conference abstracts reported the role of CGM to be observational. TBR was reported more often than TAR. Conclusion: The marked increase in the number of trials, publications, and abstracts reporting TIR highlights the increasing significance and acceptance of TIR as an outcome measure in diabetes management.

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.

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devishigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,009
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Bibliométrie, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesBibliométrie, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0620,100
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)0,0010,001

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 Opus0,204
Tête enseignante GPT0,470
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