900-P: Patient-Reported Outcomes of Adults with Type 1 Diabetes Using Do-It-Yourself Compared with Commercial Automated Insulin Delivery Systems
Notice bibliographique
Résumé
Introduction: We aim to assess the difference between open-source do-it-yourself (DIY) and commercial automated insulin delivery (AID) systems in patient-reported outcomes (PRO) of adults with type 1 diabetes (T1D). Methods: Analysis from a prospective, non-inferiority, non-randomized, parallel-cohort study involving 78 non-pregnant adults with T1D, AID users ≥3 months and living in Canada. Participants (25 DIYAID and 53 commercial AID users, 60.3% females, mean age 41.2±14.6 years, mean T1D duration 27.0±14.7 years, median [Q1, Q3] duration of AID use 15.6 [7.8, 27, 4] months, mean HbA1c 6.7±0.7%, median time in range [TIR 70-180 mg/dl] 74.3% [66.8, 81.0]) completed the following validated PRO questionnaires: Diabetes Distress Scale (DDS, high distress level defined as >2.0), Diabetes Treatment Satisfaction Questionnaire (DTS-Q), An Audit of Diabetes-Dependent Quality of Life (ADD-QoL), Hypoglycemia Fear Score II (HFS-II, fear of hypoglycemia defined as scoring ≥3 in any worry subscale item), Pittsburgh Sleep Quality Index (PSQI, poor sleep defined as >5), Clarke and Gold score (hypoglycemia unawareness defined as either score ≥4). Results: DIYAID users reported better sleep quality (66.7% vs 33.3%, p=0.02) and lower HFS-II worry subscale score (28.2 vs 33.2, p=0.03) than commercial AID users, but results did not remain significant after adjusting for sex, age, level of education, T1D and AID use duration, HbA1c, and TIR. The two groups were otherwise comparable in other PROs. Overall, one third of participants reported diabetes distress, 88.3% reported poor sleep, 20.8% reported impaired hypoglycemia awareness and 80.5% reported fear of hypoglycemia. Conclusion: Similar broad QoL and other PROs were observed between DIYAID and commercial AID users, with a persistent and significant diabetes burden for all, despite advanced diabetes technology use and optimal glycemic management. Disclosure M.Lebbar: None. Z.Wu: Other Relationship; Eli Lilly and Company. A.C.Bonhoure: Consultant; Dexcom, Inc. V.Messier: None. A.Brazeau: Other Relationship; Dexcom, Inc., Diabète québec, Ordre des diététistes nutritionnistes du Québec, Research Support; Canadian Institutes of Health Research, Fonds de recherche du Québec en Santé. R.Rabasa-lhoret: Consultant; Dexcom, Inc., Abbott, Janssen Pharmaceuticals, Inc., Novo Nordisk Canada Inc., Sanofi, Lilly, Tandem Diabetes Care, Inc., Insulet Corporation. Funding Canadian Institutes of Health Research (148464)
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».