A1c predictivo basado en datos de MCG utilizando datos de MCG (A1c)

Introducción. La hemoglobina A1C (HbA1c) refleja el nivel promedio de glucosa en sangre durante los últimos dos o tres meses. Los avances recientes en la tecnología de sensores facilitan el control diario de la glucosa en sangre mediante dispositivos CGM. La predicción futura de la HbA1C basada en los datos del CGM tiene una importancia fundamental para mantener la salud a largo plazo de los pacientes con diabetes. Un valor superior al normal de HbA1c aumenta en gran medida la probabilidad de enfermedad cardiovascular relacionada con la diabetes.

Meta. El objetivo de este estudio es predecir la HbA1c por adelantado utilizando los datos de CGM mediante la aplicación de técnicas de aprendizaje automático. Los resultados de esta investigación ayudarán a mejorar la salud de los pacientes diabéticos.

Métodos. Este es un análisis retrospectivo. Los investigadores desidentificarán y analizarán a 120 pacientes con DT1 que usaron el sensor CGM durante los últimos tres meses. Se analizarán los datos de la MCG de los últimos 15 días y se analizarán diferentes características de la variabilidad de la glucosa, como el tiempo en el rango (TIR), el coeficiente de variación (CV), la amplitud media de la excursión glucémica (MAGE), la media de las diferencias diarias (MODD), la red general continua Se extraerá la acción glucémica (CONGA). Un modelo de aprendizaje automático calculará (predecirá) la HbA1c con 2 o 3 meses de anticipación en función de estos 15 días de datos CGM. Para evaluar el rendimiento del modelo de predicción propuesto, la HbA1c predicha se comparará con la HbA1c real.