Glycemic Management in Patients with COVID-19 Admitted to the Intensive Care Unit: Evaluation of Glycemic Control and Drug Therapy
Bibliographic record
Abstract
Background: Emerging evidence describes the high incidence and strong impact of hyperglycemia on the outcomes of critically ill patients with a diagnosis of COVID-19. Given resource limitations during the COVID-19 pandemic, clinicians moved away from using continuous IV infusions of insulin to manage hyperglycemia. Objective: To evaluate glycemic control in critically ill patients receiving various medication regimens to manage their hyperglycemia.Methods: This retrospective cohort study involved 120 mechanically ventilated adult patients (> 18 years) with COVID-19 who were admitted to the intensive care unit (ICU) between February 2020 and December 2021. The following data were collected for the first 14 days of the ICU admission: blood glucose values (up to 4 times daily), hypoglycemia events, and antihyperglycemic medication regimens. Results: The use of IV insulin infusions maintained glucose measurements within the target range of 4 to 10 mmol/L more often than any other medication regimen, with 60% of measured values falling within the target range. The use of a sliding-scale insulin regimen maintained 52% of glucose measurements within the target range. Oral hypoglycemic agents performed relatively poorly, with only 12% to 29% of glucose measurements within range. The coadministration of corticosteroids led to worse glycemic control across all medication regimens. Conclusions: This study confirmed that ICUs should continue using the standard protocol of IV insulin infusion to achieve recommended blood glucose targets in critically ill patients with COVID-19, particularly those receiving corticosteroids. Keywords: critical care, intensive care, diabetes mellitus, glycemic control, COVID-19 RÉSUMÉ Contexte : Des données probantes émergentes font état de l’incidence élevée et des fortes répercussions de l’hyperglycémie sur les résultats des patients gravement malades ayant reçu un diagnostic de COVID-19. Vu les ressources restreintes pendant la pandémie de COVID-19, les cliniciens se sont éloignés de l’utilisation des perfusions continues d’insuline par IV pour gérer l’hyperglycémie.Objectif : Évaluer le contrôle glycémique chez les patients gravement malades qui reçoivent divers régimes médicamenteux pour gérer leur hyperglycémie. Méthodologie : Cette étude de cohorte rétrospective portait sur 120 patients adultes (> 18 ans) atteints de la COVID-19 ventilés mécaniquement ayant été admis à une unité de soins intensifs entre février 2020 et décembre 2021. Les données suivantes ont été recueillies pendant les 14 premiers jours de l’admission en USI : valeurs glycémiques (jusqu’à 4 fois par jour), événements d’hypoglycémie et régimes de médicaments antihyperglycémiants. Résultats : L’utilisation de perfusions d’insuline par intraveineuse permettait de maintenir les mesures de glucose dans la plage cible de 4 à 10 mmol/L plus souvent que tout autre schéma thérapeutique, avec 60 % des mesures se situant dans la plage cible. L’utilisation d’un schéma thérapeutique à insuline à échelle mobile a permis de maintenir 52 % des mesures de glucose dans la plage cible. Les résultats des hypoglycémiants oraux étaient relativement mauvais, avec seulement 12 % à 29 % des mesures de glucose se situant dans la plage cible. L’administration concomitante de corticostéroïdes a entraîné un moins bon contrôle glycémique dans tous les schémas thérapeutiques. Conclusions : Cette étude a confirmé que les unités de soins intensifs devraient continuer à utiliser le protocole standard de perfusion d’insuline par IV pour atteindre les objectifs de glycémie recommandés chez les patients gravement malades atteints de la COVID-19, en particulier ceux recevant des corticostéroïdes. Mots-clés : soins critiques, soins intensifs, diabète, contrôle glycémique, COVID-19
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".