MétaCan
Menu
Retour à la cohorte
Enregistrement W4417284202 · doi:10.12775/qs.2025.48.66899

Continuous Glucose Monitoring Systems: Applications and Integrated Benefits - review study

2025· article· en· W4417284202 sur OpenAlexaff
Klaudia Goleniewska, Jakub Miaśnikiewicz, Kamil Ciechomski, Wiktoria Cecuła, Joanna Rypel-Bośka, Natalia Siuta, Aleksandra Stupecka, Marcin Migiel, Izabela Brynczka

Notice bibliographique

RevueQuality in Sport · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensHealth Care Foundation
Organismes subventionnairesnon disponible
Mots-clésContinuous glucose monitoringGlycemicType 2 Diabetes MellitusType 2 diabetesType 1 diabetesDiabetes mellitusDiabetes managementMEDLINE

Résumé

récupéré en direct d'OpenAlex

Introduction: Continuous Glucose Monitoring (CGM) systems have evolved significantly, transforming the management of diabetes and expanding into various other fields. Originally developed to aid in diabetes management, CGM systems now offer real-time glucose tracking, providing insights into glycemic control, preventing hypoglycemia, and optimizing therapeutic decisions. These systems are used in type 1 and type 2 diabetes management, pregnancy, sports, and critical care. Despite their benefits, challenges such as cost and integration into routine care remain. Future research will be crucial to fully understand the long-term impact and cost-effectiveness of CGM systems. Aim of the study: This study aims to present the diverse applications and integrated benefits of Continuous Glucose Monitoring (CGM) systems. It focuses on their role in improving diabetes management, enhancing pregnancy outcomes, supporting athletic performance, and optimizing care in critical conditions. Materials and methods: A literature review was conducted using PubMed as the primary database. The search terms included: "continuous glucose monitoring", “CGM”, “diabetes mellitus", “diabetes mellitus type 1”, “diabetes mellitus type 2”. Conclusion: Continuous glucose monitoring (CGM) systems have significantly advanced diabetes care, offering precise, real-time glycemic data that support individualized treatment. This review highlights CGM’s broadening applications across diverse populations, including non-diabetic individuals, pregnant women, athletes, and critically ill patients. While strong evidence supports CGM’s clinical and behavioral benefits, further research is required to optimize cost-effectiveness, long-term outcomes, and broader implementation strategies. CGM represents a transformative tool in both chronic disease management and personalized health monitoring.

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)0,004
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0060,009
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,048
Tête enseignante GPT0,405
Écart entre enseignants0,357 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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 revueQuality in SportMême sujetDiabetes Management and ResearchTravaux en français237 207