271-OR: Capillary Blood Ketone Level and Future Ketoacidosis Risk in Type 1 Diabetes Using Sodium–Glucose Linked Transporter Inhibitors
Notice bibliographique
Résumé
Adjunctive-to-insulin Sodium-Glucose Linked Transporter inhibitors (SGLTi) improve metabolic control in T1D but cause diabetic ketoacidosis (DKA). We aimed to determine if time-varying ketone levels could predict future DKA. We explored data on 1194 participants randomly assigned to empagliflozin in a T1D trial program (NCT02414958 and NCT02580591). Protocol called for fasted capillary blood ketone levels 2-3 times/week, categorized into maximum, mean, and last values for sequential 1-month ‘index test’ periods during 6-12-month follow-up. Trial-adjudicated DKA/Ketosis was determined in subsequent 1-month ‘outcome’ periods. Area under the Receiver Operator Characteristic curves (AROC) were calculated. Gradient-boosted trees determined if prediction could be improved. Participants had mean age 44.3 years, HbA1c 8.14±0.60 percent, and contributed 3.70±2.97 ketone measurements/week. 617 outcomes (568 ketosis, 49 DKA events) occurred over follow-up. On-treatment ketone levels were higher for index test periods preceding an outcome period with an event compared to those without (for example, maximum ketone was 1.32±1.03 vs 0.80±0.71 mmol/l, respectively, p<0.001). AROC for maximum, mean and last ketone levels were 0.764, 0.755, and 0.682 respectively. Maximum ketone level ≥ 0.9 mmol/l had sensitivity 59%, specificity 84%, likelihood ratio positive 3.65, likelihood ratio negative 0.49, and diagnostic odds ratio 7.39. Inclusion of the other ketone measures (mean or last) or clinical variables did not improve the predictive validity of maximum ketone levels on their own. Routine surveillance of morning capillary ketone levels in T1D patient using SGLTi can predict 1-month risk of DKA/Ketosis and could allow for interventions to mitigate risk. Disclosure P.Bapat: None. D.Cherney: Other Relationship; Boehringer Ingelheim-Lilly, Merck, AstraZeneca, Sanofi, Mitsubishi-Tanabe, Abbvie, Janssen, Bayer, Prometic, BMS, Maze, Gilead, CSL-Behring, Otsuka, Novartis, Youngene, Lexicon and Novo-Nordisk, Research Support; Boehringer Ingelheim-Lilly, Merck, Janssen, Sanofi, AstraZeneca, CSL-Behring and Novo-Nordisk. D.Mumford: None. G.Tomlinson: None. L.Lovblom: None. B.A.Perkins: Advisory Panel; Dexcom, Inc., Insulet Corporation, Novo Nordisk, Sanofi, Vertex Pharmaceuticals Incorporated, Other Relationship; Abbott, Medtronic, Sanofi, Research Support; Novo Nordisk, Bank of Montreal (BMO). S.Dhaliwal: None. C.Song: None. D.R.Budhram: None. A.M.K.Bakhsh: None. D.Scarr: None. A.Weisman: None. M.Fralick: None. N.Ivers: Consultant; Novo Nordisk Canada Inc., IQVIA Inc. Funding Diabetes Canada (OG-3-21-5572-BP)
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».