Impact of 2-Month Exercise Training on Glycemic Metrics on Days with and without Exercise in Adults with Type 1 Diabetes
Notice bibliographique
Résumé
AIMS: Implementing exercise programs in individuals with type 1 diabetes may precipitate glycemic fluctuations. A better understanding of these fluctuations is essential for developing appropriate glucose management strategies. We aimed to assess glycemic excursions and their progression during a 2-month training program, comparing fluctuations around exercise sessions with those of non-exercising days. METHODS: Nineteen (13 female) adults with type 1 diabetes participated in two to three supervised 90-min combined (aerobic/strength) exercise sessions per week, over 2 months. Glycemic excursions (continuous glucose monitoring) were measured during specific periods (24-h, nocturnal; periods before, during, after exercise sessions) and compared between exercise and non-exercise days (linear mixed models, logistic regressions). RESULTS: Nights following exercise sessions showed a reduced risk of hyperglycemia (>10.0 mmol·L -1 ) versus non-exercise nights. This difference diminished over the weeks of training, alongside a progressive increase in the risk of time >16.7 mmol·L -1 during the early and late recovery phases of exercise. Overall, regardless of exercise session occurrence, the risk of spending time < 70 or 54 mg/dL increased as the training program progressed. CONCLUSIONS: Initially, acute exercise sessions reduced nocturnal hyperglycemia without increasing hypoglycemia. However, over time, the risk of nocturnal hypoglycemia increased, highlighting the need for vigilant glycemic supervision, particularly at night, even on non-exercise days.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».