<b>Consensus Considerations and Good Practice Points for use of Continuous Glucose Monitoring Systems in Hospital Settings</b>
Notice bibliographique
Résumé
Continuous glucose monitoring (CGM) systems provide frequent glucose measurements in interstitial fluid and have been used widely in ambulatory settings for diabetes management. During the COVID-19 pandemic, regulators in the United States and Canada temporarily allowed for CGM systems to be used in hospitals with the aim of reducing healthcare professional COVID-19 exposure and limiting use of personal protective equipment. As such, studies on hospital CGM system use have been possible. With improved sensor accuracy, there is increased interest in CGM usage for diabetes management in hospitals. Laboratorians and healthcare professionals must determine how to integrate CGM usage into practice. This consensus guidance document aims to provide an update on the application of CGM systems in hospital, with insights and opinions from laboratory medicine, endocrinology, and nursing.
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 | 0,128 | 0,260 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,023 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,022 |
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 ».