Effectiveness of continuous glucose monitoring systems on glycemic control in adults with type 1 diabetes: A systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction: Continuous glucose monitoring (CGM) technologies have been advancing rapidly, but evidence on their comparative effectiveness stills limited to date yet. We conducted a systematic review and meta-analysis to evaluate and investigate the impact of CGM systems on glycemic control in adults with type 1 diabetes. Methods: We searched electronic literature databases from inception through April 30, 2025, for comparative studies investigating CGM systems with standard monitoring or different CGM technologies in adults with type 1 diabetes. Primary outcomes included HbA1c reduction, time in range (TIR), and hypoglycemia reduction. We performed random-effects meta-analyses, network meta-analysis, and subgroup analyses by baseline HbA1c and intervention duration. Evidence quality was assessed using GRADE methodology. Results: Twenty-seven studies with total of 2975 participants were included. CGM significantly reduced HbA1c compared to standard monitoring (mean difference: 0.38 %, 95 % CI: 0.49 to -0.27 %). TIR increased by 7.9 % (95 % CI: 5.8-10.0 %), representing 114 additional minutes daily in best range. Real-time CGM showed advantages over intermittently scanned CGM for TIR (+5.63 %, P-value<0.001) and hypoglycemia reduction (-1.28 %, P-value<0.001). Automated closed-loop systems achieved the highest ranking in network meta-analysis (SUCRA = 0.92). Benefits were greater among patients with higher baseline HbA1c (>8.5 %: 0.68 % reduction in HbA1c vs. <7.5 %: 0.24 % reduction in HbA1c, P-value = 0.009). Conclusions: CGM technologies significantly improve glycemic control in adults with type 1 diabetes, with greater benefits for those with higher baseline HbA1c. Advanced systems demonstrate progressively greater improvements, with automated closed-loop systems showing the strongest evidence of effectiveness. These findings support broader implementation of CGM technologies, with selection tailored to individual patient needs.
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 | 0,014 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,034 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».