Advance Insulin Injection Technique and Education With FITTER Forward Expert Recommendations
Notice bibliographique
Résumé
Injectable insulin therapy is a valuable therapeutic option for millions of people with diabetes worldwide. However, many people with diabetes undergoing insulin therapy experience suboptimal outcomes and/or have complications because of inadequate injection technique and training. Practical, current, evidence-based recommendations are mandatory for primary care practitioners and diabetes specialists alike to address unmet needs in insulin injection technique, education, and consequent outcomes. The most recent global insulin injection technique best practices were published in 2016 by the Forum for Injection Technique and Therapy Expert Recommendations (FITTER). While injection technique efforts in different regions have reflected some developments since 2016, a global effort was warranted to comprehensively capture new evidence and modern expert perspectives. In this article, we share the output of the "FITTER Forward" initiative, authored by 16 diabetes specialists from 13 countries who met virtually in 2023-2024. FITTER Forward provides an updated rationale for the importance of proper injection technique training and its impact on diabetes management. The FITTER Forward recommendations are organized for use in clinical practice and include 4 sections describing (1) the foundational science informing injection device design, experiences, and outcomes, (2) proper injection technique procedures for insulin pens and syringes from insulin storage to needle disposal, (3) lipodystrophy risk reduction, with a focus on lipohypertrophy, and (4) structured injection technique training programs for people with diabetes. Overall, FITTER Forward aims to better equip health care professionals to advance diabetes care by empowering people with diabetes and their caregivers to correctly and safely deliver insulin.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».