MétaCan
Menu
Retour à la cohorte
Enregistrement W4411294790 · doi:10.2337/db25-1995-lb

1995-LB: Achieving Equitable Glycemic Control with Automated Insulin Delivery (AID)—A Real-World Analysis of MiniMed 780G System Use across Canada

2025· article· en· W4411294790 sur OpenAlexaboutno aff
ALICE Y. CHENG, MATIAS CASTRO, Jennifer McVean, Richard A. M. Jonkers, Robert A. Vigersky

Notice bibliographique

RevueDiabetes · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlycemicInsulin deliveryControl (management)MedicineInsulinComputer scienceDiabetes mellitusInternal medicineEndocrinologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Introduction and Objective: AID systems have markedly improved diabetes glycemic control globally. Their impact within Canada, where provincial variations in management and suboptimal control have been observed1, requires further investigation. This real-world analysis assessed the effect of MiniMed™ 780G (MM780G) system use on glycemic outcomes in Canada. Methods: Carelink™ data (up to January 16th, 2025) of consenting Canadian MM780G users (N=9065, aged 7-79 years) were aggregated and analyzed. Use of recommended optimal settings (ROS) was assessed at a national level, whilst glycemia and insulin delivery were evaluated nationally and by province. Results: Ontario, Quebec and Alberta had the most MM780G users. The consensus-recommended time in range (TIR, 3.9-10mmol/L) goal of >70% was achieved nationally (72.3%) and across provinces (Figure 1). Nearly 50% of users achieved all recommended CGM metric goals. Although ROS use was associated with an increase in TIR and time within 3.9-7.8mmol/L (TITR) by >5% (77.9% and 53.5%, respectively), only 10% of people used ROS. Conclusion: MiniMed™ 780G system use in Canada achieved consensus-recommended glycemic goals that were similar across the provinces, reducing regional disparities. Greater use of ROS would likely improve these results. Future research should investigate barriers to ROS adoption and target interventions that optimize AID utilization nationwide. Disclosure A.Y. Cheng: Advisory Panel; Abbott. Speaker's Bureau; Abbott. Other Relationship; American Diabetes Association. Speaker's Bureau; Amgen Inc, AstraZeneca. Advisory Panel; Bayer Pharmaceuticals, Inc. Speaker's Bureau; Bayer Pharmaceuticals, Inc. Advisory Panel; Boehringer-Ingelheim. Speaker's Bureau; Boehringer-Ingelheim. Advisory Panel; Dexcom, Inc., Eisai, Eli Lilly and Company. Speaker's Bureau; Eli Lilly and Company, GlaxoSmithKline plc. Advisory Panel; Insulet Corporation. Speaker's Bureau; Insulet Corporation. Advisory Panel; HLS Therapeutics. Speaker's Bureau; HLS Therapeutics, Medtronic. Advisory Panel; Novo Nordisk. Speaker's Bureau; Novo Nordisk, Pfizer Inc. Advisory Panel; Sanofi. Speaker's Bureau; Sanofi. Consultant; Novo Nordisk, Applied Therapeutics, Vertex Pharmaceuticals Incorporated. M. Castro: Employee; Medtronic. J.J. McVean: Employee; Medtronic. R. Jonkers: Employee; Medtronic. R.A. Vigersky: Employee; Medtronic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,067
Score d'incertitude au seuil0,486

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,010
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,275
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Management and ResearchTravaux en français237 207