Postprandial Glucose Variability Following Typical Meals in Youth Living with Type 1 Diabetes
Notice bibliographique
Résumé
We explored the association between macronutrient intake and postprandial glucose variability in a large sample of youth living with T1D and consuming free-living meals. In the Type 1 Diabetes Exercise Initiative Pediatric (T1DEXIP) Study, youth took photographs before and after their meals on 3 days during a 10 day observation period. We used the remote food photograph method to obtain the macronutrient content of youth's meals. We also collected physical activity, continuous glucose monitoring, and insulin use data. We measured glycemic variability using standard deviation (SD) and coefficient of variation (CV) of glucose for up to 3 h after meals. Our sample included 208 youth with T1D (mean age: 14 ± 2 years, mean HbA1c: 54 ± 14.2 mmol/mol [7.1 ± 1.3%]; 40% female). We observed greater postprandial glycemic variability (SD and CV) following meals with more carbohydrates. In contrast, we observed less postprandial variability following meals with more fat (SD and CV) and protein (SD only) after adjusting for carbohydrates. Insulin modality, exercise after meals, and exercise intensity did not influence associations between macronutrients and postprandial glycemic variability. To reduce postprandial glycemic variability in youth with T1D, clinicians should encourage diversified macronutrient meal content, with a goal to approximate dietary guidelines for suggested carbohydrate intake.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».