Insulin pump therapy, pre-pump hemoglobin A1c and metabolic improvement in children with type 1 diabetes at a tertiary Canadian children's hospital.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Indications for insulin pump therapy (IPT) in children with type 1 diabetes (T1D) are relatively non-specific and therefore subject to provider discretion. Health professionals' perceptions of which people will have difficulty with IPT, for example, those with higher hemoglobin A1c (HbA1c ), may not be correct. This study examined the effect of IPT on HbA1c , and the role of pre-pump HbA1c on this effect. METHODS: All children with T1D started on IPT at British Columbia Children's Hospital from January 2011 through June 2016 were included if they had HbA1c values available both before and after IPT (n = 125). Generalized estimating equations was used to estimate the effects of IPT on HbA1c , stratified by pre-pump HbA1c levels (good: <7.5% [<58 mmol/mol], moderate: 7.5%-9.0% [58-75 mmol/mol], poor: >9.0% [>75 mmol/mol]). RESULTS: After adjusting for potential confounders, mean HbA1c decreased by 0.48% [5.2 mmol/mol] (95% confidence interval: -0.64, -0.33% [-7.0, -3.6 mmol/mol]; P < 0.0001) after IPT initiation. The adjusted mean HbA1c decreased by 0.14% [1.5 mmol/mol] (-0.35, 0.07% [-3.8, 0.8 mmol/mol]; P = 0.188), 0.54% [5.9 mmol/mol] (-0.74, -0.34% [-8.1, -3.7 mmol/mol]; P < 0.0001), and 1.08% [11.8 mmol/mol] (-1.69, -0.46% [-18.5, -5.0 mmol/mol]; P = 0.0006) after pump initiation in the good, moderate, and poor pre-pump metabolic control groups, respectively. CONCLUSIONS: Pre-pump HbA1c appears to play a significant role in the effects of IPT on HbA1c , with the largest decrease in HbA1c seen in the poor pre-pump HbA1c group. Eligibility and consideration for IPT should be expanded to routinely include these children.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».