Gestion de diabète insulino-traité et hypoglycémie : rôle de la technologie et révision des recommandations de traitement
Notice bibliographique
Résumé
Vivre avec une maladie chronique a des implications multiples sur une personne atteinte et ses proches. Ces implications sont majeures en cas de diabète insulino-traité comme le diabète de type 1 (DT1) et le diabète de type 2 avancé (DT2). Bien qu’un contrôle glycémique optimal soit indispensable pour prévenir et ralentir les complications micro-vasculaires chroniques, l’atteinte d’un tel objectif avec l’intensification de l’insulinothérapie se heurte à un risque important d’hypoglycémie. Les progrès technologiques : pompes à insuline, systèmes de surveillance de la glycémie interstitielle en continu (SSGC) et couplage de ces dispositifs avec un algorithme dans les systèmes de pancréas artificiel (PA) mono-hormonal avec insuline seule, ou bi-hormonal avec ajout de glucagon permettent de plus en plus de rendre le traitement plus simple (automatisation), plus efficace (moins d’hyperglycémies) et plus sûr (moins d’hypoglycémies). Cependant ces technologies apportent de nouveaux défis que nous avons explorés. À travers les projets de cette thèse : 1) Nous avons exploré la gestion de diabète avec le recours à la technologie de point de vue des utilisateurs actuels pour les pompes et les utilisateurs potentiels futurs pour les systèmes PA. Nos questionnaires ont mis l’accent sur l’enthousiasme des patients pour l’adoption de ces technologies et la perception positive de leur rôle dans le contrôle glycémique et la réduction de la glycémie; toutefois, plusieurs problèmes techniques ont été rapportés avec les pompes (nécessitant une amélioration de la technologie, un meilleur recensement ou une meilleure évaluation des effets indésirables) et une préférence d’être capable au besoin d’ignorer les recommandations du PA. 2) Nous avons testé pour la première fois le système PA développé à Montréal pour les patients vivant avec un DT2 insulino-traité et démontré son applicabilité pour cette population avec amélioration du contrôle glycémique en comparaison aux traitements conventionnels ouvrant la porte aux études plus vastes en vie réelle. 3) Trois stratégies en PA ont été aussi testé pour la première fois pour améliorer le contrôle glycémique pendant l’exercice pratiqué dans la période postprandiale (une situation d’hyperinsulinémie et variations rapides de la glycémie). Nous avons comparé : a) un contrôle glycémique exclusivement basé sur les données de la SSCG, b) une annonce avant le repas visant une glycémie plus haute et c) une annonce combinant la réduction du bolus du repas avec la cible glycémique plus haute. L’option qui consiste à annoncer l’exercice avant le repas à l’algorithme en combinant une cible glycémique plus haute avec une réduction de tiers du bolus prandial constituait l’approche la plus pratique pour éviter les hypoglycémies pendant un exercice d’intensité modérée pour 1h débuté 90 minutes post-repas. 4) Le système PA bi-hormonal est avantageux pour la réduction de l’hypoglycémie mais la formulation actuelle du glucagon présente la problématique de la stabilité avec une recommandation d’utilisation immédiate. Nous avons démontré sa stabilité pour 24 heures en contexte de PA ce qui permet de mener des études pour explorer le bénéfice du PA bi-hormonal. 5) Nous avons également exploré la question de sécurité de cette nouvelle utilisation du glucagon en mini-bolus et de façon chronique et nous avons proposé une liste de paramètres à surveiller dans les études prolongées compte tenu l’effet pléiotropique du glucagon sur la majorité des organes. 6) Nous avons démontré que le traitement des épisodes d’hypoglycémie non-sévères résiduels qui surviennent lors du traitement par PA restent difficiles à traiter avec seulement 17% des épisodes corrigés 15 min après l’ingestion des 15 grammes de glucides tel que recommandé. 7) Nous avons finalement exploré si le traitement des épisodes d’hypoglycémies non sévères pourrait être modulé en fonction du seuil glycémique atteint et de la quantité initiale des glucides consommés. Nous avons alors testé l’ingestion de 16 g de glucides (selon les recommandations) contre 32 g de glucides (plus représentatif des pratiques des patients) à deux seuils d’hypoglycémie (3,0 à 3,5 mmol/L et 3,0 mmol/L). Nos résultats confirment la difficulté de traitement de ces épisodes (lenteur de la correction et besoin fréquent de second traitement) quel que soit le seuil de traitement et/ou la dose initiale de glucides consommés. Ainsi, nous avons démontré les avantages et les limites de la technologie pour le diabète insulino-traité, y compris les systèmes PA, en allant de la préférence des patients pour la technologie, à l’utilité du PA dans le DT2 avancé, à la nécessité de annoncer l’exercice à l’algorithme avant le repas pour l'exercice postprandial, à la stabilité de la formulation disponible du glucagon et les paramètres cliniques à surveiller dans les essais à long terme du PA. Cette thèse a finalement montré le manque d’efficacité du traitement de l'hypoglycémie non-sévère par consommation de glucides oraux même dans le cadre du PA.
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 | 0,024 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».