Real World Interstitial Glucose Profiles of a Large Cohort of Physically Active Men and Women
Notice bibliographique
Résumé
The use of continuous glucose monitors (CGMs) in individuals living without diabetes is increasing. The purpose of this study was to profile various CGM metrics around nutritional intake, sleep and exercise in a large cohort of physically active men and women living without any known metabolic disease diagnosis to better understand the normative glycemic response to these common stimuli. A total of 12,504 physically active adults (age 40 ± 11 years, BMI 23.8 ± 3.6 kg/m2; 23% self-identified as women) wore a real-time CGM (Abbott Libre Sense Sport Glucose Biosensor, Abbott, USA) and used a smartphone application (Supersapiens Inc., Atlanta, GA, USA) to log meals, sleep and exercise activities. A total of >1 M exercise events and 274,344 meal events were analyzed. A majority of participants (85%) presented an overall (24 h) average glucose profile between 90 and 110 mg/dL, with the highest glucose levels associated with meals and exercise and the lowest glucose levels associated with sleep. Men had higher mean 24 h glucose levels than women (24 h—men: 100 ± 11 mg/dL, women: 96 ± 10 mg/dL). During exercise, the % time above >140 mg/dL was 10.3 ± 16.7%, while the % time <70 mg/dL was 11.9 ± 11.6%, with the remaining % within the so-called glycemic tight target range (70–140 mg/dL). Average glycemia was also lower for females during exercise and sleep events (p < 0.001). Overall, we see small differences in glucose trends during activity and sleep in females as compared to males and higher levels of both TAR and TBR when these active individuals are undertaking or competing in endurance exercise training and/or competitive events.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».