[1] (2018). 13. Children and Adolescents: <i>Standards of Medical Care in Diabetes—2019</i>. Diabetes Care, Supplement_1(42), S148-S164. https://doi.org/10.2337/dc19-s013
[2] (2018). Prevalence of Diagnosed Diabetes in Adults by Diabetes Type — United States, 2016. MMWR Morb. Mortal. Wkly. Rep., 12(67), 359-361. https://doi.org/10.15585/mmwr.mm6712a2
[3] (2018). Prevalence of Diagnosed Diabetes in Adults by Diabetes Type — United States, 2016. MMWR Morb. Mortal. Wkly. Rep., 12(67), 359-361. https://doi.org/10.15585/mmwr.mm6712a2
[4] (2016). Die Haut als Spiegel des Stoffwechsels. Info Diabetol, 3(10), 61-61. https://doi.org/10.1007/s15034-016-0890-4
[5] (2014). Serum uric acid and insulin sensitivity in adolescents and adults with and without type 1 diabetes. Journal of Diabetes and its Complications, 3(28), 298-304. https://doi.org/10.1016/j.jdiacomp.2013.12.007
[6] (2019). Closed-loop insulin delivery in adults with type 1 diabetes in real-life conditions: a 12-week multicentre, open-label randomised controlled crossover trial. The Lancet Digital Health, 1(1), e17-e25. https://doi.org/10.1016/s2589-7500(19)30003-2
[7] (2020). Predicting the Risk of Inpatient Hypoglycemia With Machine Learning Using Electronic Health Records. Diabetes Care, 7(43), 1504-1511. https://doi.org/10.2337/dc19-1743
[8] (2022). Explainability as fig leaf? An exploration of experts’ ethical expectations towards machine learning in psychiatry. AI Ethics, 1(3), 303-314. https://doi.org/10.1007/s43681-022-00177-1
[9] (2020). Predicting Quality of Overnight Glycaemic Control in Type 1 Diabetes Using Binary Classifiers. IEEE J. Biomed. Health Inform., 5(24), 1439-1446. https://doi.org/10.1109/jbhi.2019.2938305
[10] (2019). Deep Vision: Learning to Identify Renal Disease With Neural Networks. Kidney International Reports, 7(4), 914-916. https://doi.org/10.1016/j.ekir.2019.04.023
Hei, dette er Bing. Jeg kan hjelpe deg med å oppsummere på norsk:
[1] Denne artikkelen presenterer standarder for medisinsk behandling av barn og ungdom med diabetes i 2019. Den gir anbefalinger for diagnostisering, overvåking, behandling, utdanning og støtte for pasienter og deres familier. Den understreker viktigheten av individualisert og fleksibel behandling som tar hensyn til pasientens alder, utvikling, psykososiale behov og preferanser. Den adresserer også spesielle utfordringer som pubertet, skole, fysisk aktivitet, spiseforstyrrelser og overgang til voksenomsorg.
[2] Denne rapporten estimerer forekomsten av diagnostisert diabetes i USA i 2016 basert på data fra National Health Interview Survey. Den viser at 23,1 millioner voksne hadde diagnostisert diabetes, hvorav 21,0 millioner hadde type 2 diabetes og 1,3 millioner hadde type 1 diabetes. Den viser også at forekomsten av type 1 diabetes var høyere blant hvite enn blant andre rase/etniske grupper, og at forekomsten av type 2 diabetes var høyere blant ikke-hvite enn blant hvite.
[3] Denne rapporten er den samme som [2].
[4] Denne artikkelen gir en oversikt over hvordan huden kan reflektere stoffskiftet hos personer med diabetes. Den beskriver ulike hudsykdommer som kan være assosiert med diabetes, som infeksjoner, nekrobiose lipoidica, diabetisk dermopati, akantose nigricans og granuloma annulare. Den forklarer også hvordan hudpleie kan bidra til å forebygge og behandle disse tilstandene.
[5] Denne studien undersøker sammenhengen mellom serum urinsyre og insulin sensitivitet hos ungdommer og voksne med og uten type 1 diabetes. Den viser at serum urinsyre var høyere hos personer med type 1 diabetes enn hos kontroller, og at det var negativt korrelert med insulin sensitivitet hos begge grupper. Den antyder at serum urinsyre kan være en markør for redusert insulin sensitivitet hos personer med type 1 diabetes.
[6] Denne studien evaluerer effekten av lukket sløyfe insulin levering (også kalt kunstig bukspyttkjertel) hos voksne med type 1 diabetes i virkelige forhold. Den viser at lukket sløyfe insulin levering førte til bedre glykemisk kontroll, lavere variabilitet og mindre tid i hypoglykemi enn åpen sløyfe insulin levering (også kalt sensor-augmentert pumpe) i en 12-ukers randomisert kontrollert kryss-over studie. Den konkluderer med at lukket sløyfe insulin levering er trygt og effektivt for voksne med type 1 diabetes i dagliglivet.
[7] Denne studien bruker maskinlæring til å forutsi risikoen for innlagt hypoglykemi hos pasienter med diabetes basert på elektroniske helseregistre. Den viser at maskinlæringsmodeller kan oppnå høy nøyaktighet og presisjon i å identifisere pasienter som er i fare for alvorlig hypoglykemi under sykehusopphold. Den foreslår at maskinlæring kan brukes til å forbedre hypoglykemi forebygging og behandling ved å gi tidlig varsling og målrettet intervensjon.
[8] Denne artikkelen utforsker eksperters etiske forventninger til maskinlæring i psykiatri. Den viser at ekspertene har ulike syn på hva som utgjør god forklarbarhet av maskinlæringsmodeller
[9] Denne studien bruker binære klassifikatorer til å forutsi kvaliteten på nattlig glykemisk kontroll hos pasienter med type 1 diabetes. Den viser at klassifikatorer som bruker data fra kontinuerlig glukosemåling og insulinpumpe kan skille mellom gode og dårlige netter med høy nøyaktighet og sensitivitet. Den antyder at slike klassifikatorer kan brukes til å gi tilbakemelding og råd til pasienter om hvordan de kan forbedre sin nattlige glykemiske kontroll.
[10] Denne artikkelen beskriver hvordan dyp læring kan brukes til å identifisere nyresykdom hos pasienter med diabetes. Den viser at dype nevrale nettverk kan analysere bilder av urinsediment og klassifisere dem i henhold til graden av nyreskade med høy nøyaktighet og spesifisitet. Den hevder at dyp læring kan bidra til å forbedre diagnostikken og prognosen av nyresykdom hos pasienter med diabetes.
Want to print your doc? This is not the way.
Try clicking the ⋯ next to your doc name or using a keyboard shortcut (
Oppsummering scite