MétaCan
Menu
Retour à la cohorte
Enregistrement W4381163897 · doi:10.32641/andespediatr.v94i3.4477

Nuevas Insulinas en el tratamiento de la Diabetes Tipo 1

2023· review· es· W4381163897 sur OpenAlexaff
Hana Karime Rumié Carmi, Gonzalo Dominguez-Menéndez, Manuel Araya, Alejandro Martínez‐Aguayo

Notice bibliographique

RevueAndes pediatrica · 2023
Typereview
Languees
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineInsulin glargineHypoglycemiaInsulinBiosimilarDiabetes mellitusInsulin degludecAction (physics)Onset of actionGrowth hormoneIntensive care medicinePharmacologyEndocrinologyInternal medicineHormone

Résumé

récupéré en direct d'OpenAlex

Insulin therapy is complex in pediatric patients because they present greater variations in insulin requirements. Traditional insulins have limitations related to time of onset of action and duration of effect, which has led to the development of new insulins, seeking to reduce chronic complications, severe or nocturnal hypoglycemia, and to improve adherence to therapy. This review updates the information on new insulins, their mechanisms of action and the benefits they provide in the treatment of diabetes. Insulin analogues attempt to mimic the physiological secretion of the hormone, including time of action and duration of effect. The most used prandial analogs are the so-called rapid-acting insulins, including Faster Aspartic and the new basal insulins, glargine U300 and degludec, which have a prolonged action of more than 24 hours and therefore require a daily dose. New technologies under development include biosimilar insulins such as the glargine biosimilar, already available in the clinic. New formulations are being developed for the future, as well as novel ways of dispersing them, mimicking the action of pancreatic cells, which will allow a more physiological and personalized management of the disease.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,035
Tête enseignante GPT0,399
Écart entre enseignants0,365 · 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'étudeSans objet
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAndes pediatricaMême sujetDiabetes Management and ResearchTravaux en français237 207