Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Diabetes Mellitus: Type 2 and Gestational01:22

Diabetes Mellitus: Type 2 and Gestational

2.9K
Type 2 diabetes, characterized by insulin resistance, arises when the insulin receptors on cells lose responsiveness to insulin, diminishing the cell's capacity to take up glucose, resulting in elevated blood glucose levels. To receive a diagnosis of Type 2 diabetes, a series of blood glucose tests are necessary to assess whether the blood glucose falls within normal parameters. If the result is out of the normal range, a patient may be diagnosed as prediabetic or diabetic, depending on the...
2.9K
Pathophysiology of Diabetes01:20

Pathophysiology of Diabetes

1.2K
Diabetes mellitus is a chronic metabolic disorder characterized by hyperglycemia. The four categories of diabetes are type 1 diabetes, type 2 diabetes, other specific types of diabetes, and gestational diabetes.
Type 1 diabetes is characterized by autoimmune-mediated destruction of pancreatic β cells, with environmental factors potentially triggering this process in genetically susceptible individuals. Despite many not having a family history, certain genes increase susceptibility,...
1.2K
Diabetes: Management and Pharmacotherapy01:15

Diabetes: Management and Pharmacotherapy

362
The therapy for diabetes aims to alleviate hyperglycemia-related symptoms, prevent acute metabolic decompensation, and reduce chronic end-organ complications. Glycemic control is evaluated through short-term (self-monitoring, continuous glucose monitoring) and long-term (A1c, fructosamine) metrics, enabling near real-time tracking of blood glucose levels and reflecting glycemic control over specific time frames.
Insulin remains the cornerstone of treatment for most patients with type 1 and many...
362
Diabetes Mellitus: Overview and Type I Subtype01:22

Diabetes Mellitus: Overview and Type I Subtype

3.2K
Diabetes mellitus is a chronic metabolic disorder characterized by high blood glucose levels due to inadequate insulin production, insulin resistance, or both. The condition affects millions worldwide and can significantly impact their health and quality of life.
Type 1 diabetes is an autoimmune disease in which the immune system mistakenly attacks and destroys the insulin-producing beta cells in the pancreas. As a result, the body is unable to produce sufficient insulin, and individuals with...
3.2K
Oral Hypoglycemic Agents: Biguanides and Glitazones01:26

Oral Hypoglycemic Agents: Biguanides and Glitazones

291
Biguanides, particularly metformin (Glucophage), are insulin sensitizers that enhance glucose uptake, thereby reducing insulin resistance. Unlike sulfonylureas, metformin doesn't prompt insulin secretion, which helps to curb hypoglycemia risk. Metformin is beneficial in treating conditions like polycystic ovary syndrome due to its insulin-resistance reduction capability. The drug's primary action involves curtailing hepatic gluconeogenesis, a significant contributor to high blood...
291
Hypoglycemia and Glucagon01:15

Hypoglycemia and Glucagon

334
Without prolonged fasting, healthy individuals maintain blood glucose levels above 3.5 mM due to a well-adapted neuroendocrine counterregulatory system that effectively prevents acute hypoglycemia, a potentially life-threatening condition. The primary clinical scenarios for hypoglycemia encompass diabetes treatment, inappropriate production of endogenous insulin or insulin-like substances by tumors, and the use of glucose-lowering agents in non-diabetic individuals. Notably, hypoglycemia in the...
334

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Performance of AI in Predicting the Progression of Gestational Diabetes to Type 2 Diabetes: Systematic Review and Meta-Analysis.

Journal of medical Internet research·2026
Same author

Corrigendum to "Synthesis of novel spiro-isoxazolidino hybrids of alantolactone and isoalantolactone via 1,3 dipolar nitrone cycloaddition and its antimicrobial evaluation" [Bioorganic Chemistry 154 (2025) 108087].

Bioorganic chemistry·2026
Same author

Predicting Postpartum Depression Using Imbalance-Aware Machine Learning.

Studies in health technology and informatics·2026
Same author

Artificial intelligence for postpartum hemorrhage: a systematic review.

Frontiers in global women's health·2026
Same author

Endo-MedSAM: a promptable vision foundation model adaptation for uterus segmentation on pelvic MRI in endometriosis.

Frontiers in reproductive health·2026
Same author

Bridging the Gap: A Narrative Review of the Essential Role of Occupational Therapists in Sensory Stimulation for Comatose Traumatic Brain Injury Patients.

Cureus·2026

Video Experimental Relacionado

Updated: Sep 10, 2025

Improving IV Insulin Administration in a Community Hospital
12:08

Improving IV Insulin Administration in a Community Hospital

Published on: June 11, 2012

19.0K

La inteligencia artificial en el cuidado de la diabetes gestacional: una revisión sistemática

Rawan AlSaad1, Ali Elhenidy2, Aliya Tabassum3

  • 1AI Center for Precision Health, Weill Cornell Medicine-Qatar, Doha, Qatar.

Journal of diabetes science and technology
|August 26, 2025
PubMed
Resumen

La inteligencia artificial (IA) es prometedora para mejorar la predicción y el cuidado de la diabetes mellitus gestacional (DMG). La validación adicional y los estudios prospectivos son cruciales para la integración clínica de estas herramientas de IA.

Palabras clave:
Inteligencia artificialla diabetesDiabetes durante la gestaciónembarazoSalud de las mujeres

Más Videos Relacionados

Author Spotlight: Exploring the Long-Term Health Impacts of Intracytoplasmic Sperm Injection on Offspring
06:11

Author Spotlight: Exploring the Long-Term Health Impacts of Intracytoplasmic Sperm Injection on Offspring

Published on: May 17, 2024

762
Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
05:49

Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization

Published on: February 23, 2024

988

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Improving IV Insulin Administration in a Community Hospital
12:08

Improving IV Insulin Administration in a Community Hospital

Published on: June 11, 2012

19.0K
Author Spotlight: Exploring the Long-Term Health Impacts of Intracytoplasmic Sperm Injection on Offspring
06:11

Author Spotlight: Exploring the Long-Term Health Impacts of Intracytoplasmic Sperm Injection on Offspring

Published on: May 17, 2024

762
Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
05:49

Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization

Published on: February 23, 2024

988

Área de la Ciencia:

  • La informática médica
  • Medicina computacional
  • Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

  • La inteligencia artificial (IA) ofrece enfoques avanzados basados en datos para la atención de la diabetes mellitus gestacional (DMG).
  • La IA facilita la detección temprana, la gestión personalizada y las estrategias de intervención para la DMG.

Objetivo del estudio:

  • Revisar y sintetizar sistemáticamente la aplicación de modelos de IA en el cuidado de la GDM.
  • Examinar el papel de la IA en la detección, el diagnóstico, la gestión y la predicción de resultados para la DMG.
  • Para analizar diseños de estudio, tipos de datos, modelos de IA, validación y métricas de rendimiento.

Principales métodos:

  • Búsqueda sistemática de seis bases de datos electrónicas hasta febrero de 2025.
  • Inclusión de 126 estudios elegibles con extracción de datos y evaluación de la calidad.
  • herramienta QUADAS-2 modificada utilizada para la evaluación del riesgo de sesgo.

Principales resultados:

  • La mayoría de los estudios (75%) utilizaron diseños retrospectivos; el 85% se centró en la predicción de la DMG.
  • El aprendizaje automático clásico, en particular la regresión logística y el bosque aleatorio, prevaleció (84%).
  • La validación interna fue común (68%), pero la validación externa fue poco frecuente (6%); calidad moderada a buena con deficiencias en los informes.

Conclusiones:

  • La IA tiene un potencial significativo para mejorar la predicción, la detección y la gestión de GDM.
  • Es esencial una validación más amplia, una mejor interpretabilidad de los modelos y estudios prospectivos.
  • La traducción de las tecnologías de IA a la práctica clínica requiere abordar las limitaciones actuales.