Accuracy of a Continuous Glucose Monitor in the Intensive Care Unit: A Proposed Accuracy Standard and Calibration Protocol for Inpatient Use
Notice bibliographique
Résumé
Background and Aims: Guidelines now recommend inpatient continuous glucose monitor (CGM) use with confirmatory blood glucose measurements. However, the Food and Drug Administration has not yet officially approved CGM for inpatient use in large part because its accuracy has not been established in this setting. We tested the accuracy of the Dexcom G6 (G6) in 28 adults on an insulin infusion in a medical–surgical intensive care unit with 1064 matched CGM and arterial point-of-care pairs. Methods: The participants were on average 57.29 (SD 2.39) years, of whom 13 had a prior diagnosis of diabetes and 14 were admitted for a surgical diagnosis. The first 19 participants received the G6 without calibration and had a mean absolute relative difference (MARD) of 13.19% (IQR 5.11, 19.03) across 659 matched pairs, which just meets the critical care expert recommendation of MARD <14%. We then aimed to improve accuracy for the subsequent 9 participants using a calibration protocol. Results: The MARD for calibrated participants was 9.65% (3.03, 13.33), significantly lower than for uncalibrated participants ( P < 0.001). Calibration also demonstrated excellent safety with 100% of values within the Clarke Error Grid zones A and B compared with 99.07% without calibration. Our protocol achieved the lowest MARD and safest CEG profile in the critical care setting and well exceeds the critical care expert recommendations. Our large sample of heterogenous critically ill patients also reached comparable accuracy to the MARD of 9% for G6 in outpatients. We believe our calibration protocol will allow G6 to be used with sufficient accuracy in inpatients.
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 | 0,001 |
| 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 ».