Comparaison de deux stratégies d'apport en glucides pour améliorer le contrôle de la glycémie pendant l'activité physique chez les adolescents et adultes atteints de diabète de type 1
Bibliographic record
Abstract
L’activité physique (AP) est liée à plusieurs bénéfices pour la santé chez les personnes atteintes de diabète de type 1 (DT1), mais elles sont peu actives dû à la peur des hypoglycémies liée à l’AP. Un apport en glucides est souvent requis pour prévenir les hypoglycémies lors d’une AP, mais il y a un manque de connaissances quant à la quantité à consommer et la distribution temporelle idéales des glucides. Notre objectif est de comparer l’efficacité de 2 stratégies de collation pour maintenir la glycémie dans les cibles (4,0 - 10,0 mmol/L) lors d’une AP chez les adolescents et adultes avec le DT1. Les participants (N=33) ont effectué 2 interventions durant lesquelles une heure d’ergocycle à intensité moyenne a été réalisée. Ils consommaient un apport en glucides de 0,5g/kg du poids corporel et cet apport était aléatoirement consommé en une prise unique (PU) avant l’AP ou en une prise répartie (PR) avant et pendant l’AP. La GC était mesurée toutes les 10 minutes durant l’AP. Quatre participants ont eu une hypoglycémie durant l’AP avec la PU comparativement à 6 participants pour la PR (P=0,42). Il n’y avait pas de différence significative pour le pourcentage de temps passé dans les cibles entre les deux stratégies (PU : 75 ± 35%; PR : 87 ± 26%; P=0,12). Nos résultats suggèrent qu’un apport en glucide de 0.5g/kg du poids corporel est une option raisonnable pour une AP d’intensité moyenne d’une heure. Les deux stratégies sont similaires pour prévenir les hypoglycémies lors de l’AP.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".