MétaCan
Menu
Retour à la cohorte
Enregistrement W4381376761 · doi:10.2337/db23-135-lb

135-LB: A Variable Impact of the Wave 1 and Wave 2 Lockdowns of the COVID-19 Pandemic on Glycemic Control—A Longitudinal Analysis of FGM Adult Users From Poland

2023· article· en· W4381376761 sur OpenAlexaboutno aff
Jerzy Hohendorff, Kalvin Kao, Laura Brandner, Maciej T. Małecki

Notice bibliographique

RevueDiabetes · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlycemicPandemicCoronavirus disease 2019 (COVID-19)MedicineQuarter (Canadian coin)Diabetes mellitusSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Longitudinal studyDemographyGerontologyDiseaseInternal medicineGeographyEndocrinologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

WHO declared COVID19 pandemic in March 2020. In Poland, the particularly severe restrictions related to COVID19 pandemic were implemented during Wave 1. All activities were prohibited except necessary everyday ones. From late May to July 2020 restrictions were gradually lifted. In October 2020, due to Wave 2 of COVID19 pandemic some restrictions were reimplemented, however, their impact on everyday life was smaller than during the Wave 1. The aim of the study was to analyze the impact of different phases of COVID19 pandemic on glycemic control in patients with diabetes using FGM. Longitudinal data of 469 adults aged 18-64 were analyzed. Analyzed time periods were every first 45 days of each quarter of the year 2020. Q1 stands for the first pre-pandemic quarter of 2020, Q2 correspondences to the severe lockdown of Wave 1, Q3 to time of most restrictions lifted, and Q4 to less strict lockdown of Wave 2. Mean glycemic indices are shown in Table 1. In summary, Wave 1 and Wave 2 of COVID19 pandemic had different impact on glycemic control in patients with diabetes. The severe lockdown of the first wave resulted in adults with diabetes in improvement of glycemic indices, particularly TIR. Common findings during both lockdowns were reduction in TBR and lower glycemic variability as compared to the preceding periods. Disclosure J. Hohendorff: Speaker's Bureau; Abbott, Novo Nordisk, Ascensia Diabetes Care, Dexcom, Inc., Bayer Inc. K. Kao: Employee; Abbott Diabetes. L. Brandner: Employee; Abbott Diabetes. M. Malecki: Advisory Panel; Abbott Diabetes. Speaker's Bureau; AstraZeneca, AlfaSigma. Advisory Panel; Novo Nordisk, Lilly, Sanofi. Speaker's Bureau; Merck & Co., Inc. Research Support; Medtronic. Advisory Panel; Dexcom, Inc. Speaker's Bureau; BIOTON S. A., Servier Laboratories, KRKA. Advisory Panel; Bayer Inc.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,042
Tête enseignante GPT0,312
Écart entre enseignants0,269 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Management and ResearchTravaux en français237 207