Supported Open-Source Automated Insulin Delivery for Management of Type 1 Diabetes in Pregnancy
Notice bibliographique
Résumé
BACKGROUND: The tight glycemia required to optimize type 1 diabetes (T1D) pregnancy outcomes is difficult to achieve with standard insulin therapies. Automated insulin delivery (AID) offers an avenue to improve glycemia, but most available systems are not configurable to tight pregnancy glucose targets. Open-source AID may meet the needs of some pregnant women with T1D, but available data on its efficacy and safety in pregnancy are limited. METHODS: This single-center retrospective study describes the glycemic and obstetric outcomes of pregnancies in which supported open-source AID (SOSAID) was used. Included patients had a pregnancy managed on SOSAID at BCDiabetes between January 2023 and October 2024 and consented for inclusion of their clinical data. Charts were reviewed to obtain comprehensive glycemic data, obstetric outcomes, and adverse events. RESULTS: ) was 68% in trimester 2 and 70% in trimester 3. Seven patients commenced SOSAID during pregnancy, with their median 14-day TIR rising from 52% pre-SOSAID to 71% immediately after commencing SOSAID. There were no perinatal deaths or congenital anomalies. Pre-term delivery occurred in 1/10 and hypertensive disorders of pregnancy occurred in 2/10 women. Birthweight above 4 kg was present in 3/10, and neonatal hypoglycemia occurred in 4/10. CONCLUSIONS: SOSAID systems represent a promising tool for managing T1D in pregnancy and were successful in reaching target pregnancy glycemia in this single-center cohort.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».