MétaCan
Menu
Retour à la cohorte
Enregistrement W4404402128 · doi:10.17615/0jbd-gd82

Consensus Considerations and Good Practice Points for Use of Continuous Glucose Monitoring Systems in Hospital Settings.

2024· article· en· W4404402128 sur OpenAlexaboutno aff
Allison A. Venner, Kendall Rogers, Samantha M. Logan, Guillermo E. Umpierrez, Raveendhara R. Bannuru, Nam K. Tran, Stefan Pleus, Nichole Korpi‐Steiner, Angela W.S. Fung, Fiona Thompson-Hutchison, Zachary Taxin, Dylan MacKay, Nuha A. ElSayed, Rebecca Longo, Anna K. Füzéry, Julie Shaw, Nicole V. Tolan, Lisa Maks, Guido Freckmann, Huang Yun, Lori Beach, Jeremy Gilbert, Jane Jeffrie Seley

Notice bibliographique

RevueCarolina Digital Repository (University of North Carolina at Chapel Hill) · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesNovo NordiskDexcomLilly DeutschlandEli Lilly and Company
Mots-clésContinuous glucose monitoringComputer scienceIntensive care medicineMedicineDiabetes mellitusEndocrinologyType 1 diabetes

Résumé

récupéré en direct d'OpenAlex

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 coronavirus disease 2019 (COVID-19) pandemic, regulators in the U.S. and Canada temporarily allowed for CGM systems to be used in hospitals with the aim of reducing health care 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 health care professionals must determine how to integrate CGM usage into practice. The aim of this consensus guidance document is 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,878

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,235
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCarolina Digital Repository (University of North Carolina at Chapel Hill)Même sujetDiabetes Management and ResearchTravaux en français237 207