T1-DEXi-T Study: Does exercise training improve the time in range following acute bouts of exercise?
Notice bibliographique
Résumé
Building on our recently funded T1DHome study, we are excited to propose an expansion of the recent T1DEXi study by investigating the impact of regular exercise training and detraining on various blood glucose metrics following acute bouts of exercise in adult men and women with T1D. We refer to this proposed study as the T1-DEXI Training Study (T1-DEXi-T study). Our proposed work aims to inform new clinical guidelines for exercise for adults living with type 1 diabetes. While existing guidelines mention an exercise “prescription” they are not well tailored for adults living with type 1 diabetes who may benefit from a more targeted exercise training prescription that should improve cardiometabolic and skeletal muscle health along with enhancing global TIR metrics for this patient population. While the T1DEXi study serves as a critical database, it was not a training intervention and no objective measures of cardiometabolic and skeletal muscle health were made. The T1DHome follow-up study is a natural progression for this important first step in improving the health and wellbeing through regular exercise of people living with type 1 diabetes but the CGM TIR metrics analyses and exercise wearable portion of this study is not yet funded. We propose that the Leona M. and Harry B. Helmsley Charitable Trust offer research support for the use of CGM, exercise wearables (Garmin) and deep data analytics for the first phase of the T1DHome study.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».