Diabeteksen itsehallinnan personointi – Pilottitutkimus

Kasvava näyttö tuo esiin merkittäviä eroja yksilöiden fysiologiassa ja glykeemisissä toiminnoissa sekä heidän kulttuurisissa, sosiaalisissa ja taloudellisissa olosuhteissa, jotka vaikuttavat diabeteksen itsehallintaan. Nämä löydöt tasoittivat tietä tarkkuuslääketieteelle – lähestymistapaan lääketieteellisen hoidon mukauttamiseen yksilön geneettisen rakenteen, kliinisen historian ja elämäntavan mukaan. Laskennallisia oppimismenetelmiä on käytetty menestyksekkäästi sairauksien kliinisten fenotyyppien ja havaittavien ilmenemismuotojen tunnistamisessa. Tutkimukset osoittivat räätälöinnin edut paitsi lääkehoidon, myös käyttäytymiseen liittyvien interventioiden; räätälöinti perustuu kuitenkin tyypillisesti räätälöintimuuttujien ja päätössääntöjen asiantuntijan tunnistamiseen sekä vakiotutkimuksiin. Itsevalvonnalla kerätyt tiedot voivat heijastaa tarkemmin yksilön käyttäytymistä ja glykeemisiä malleja, mikä korostaa hänen "käyttäytymisfenotyyppejä", mutta sellaisia ​​tietoja käytetään harvoin räätälöinnissa.

Tämän tutkimuksen jatkuva painopiste on diabeteksen itsehallinnan ongelmanratkaisun helpottamisessa. Hyvin kehittyneet ongelmanratkaisutaidot ovat välttämättömiä diabeteksen hallinnassa, mikä johtaa parempaan diabeteksen itsehoitokäyttäytymiseen, mikä parantaa kliinisiä tuloksia ja sitä voidaan edistää kasvokkain tapahtuvilla interventioilla. Aiemmat tutkimukset ehdottivat ongelmien tunnistamista ja vaihtoehtojen luomista kriittisiksi vaiheiksi diabeteksen ongelmanratkaisussa. Aiemmassa työssään tutkijat kehittivät tietotekniikan interventiota, joka perustui asiantuntijoiden tuottamaan tietoon auttaakseen yksilöitä näissä ongelmanratkaisuvaiheissa. Tässä pilottitoteutettavuustutkimuksessa tutkijat tutkivat vaihtoehtoista ratkaisua, joka perustuu itsevalvontatekniikoilla kerättyjen tietojen laskennalliseen mallianalyysiin, jotta ongelmanratkaisuapu voidaan räätälöidä yksilöiden ainutlaatuisten käyttäytymisfenotyyppien mukaan. Interventio, GlucoType käyttää laskennallisia oppimismenetelmiä yksilöiden ruokavalion, fyysisen toiminnan ja unen systemaattisten mallien tunnistamiseen, jotka on tallennettu räätälöidyillä ja kaupallisilla itsevalvontatekniikoilla, ja korreloi nämä mallit yksilöiden verensokeritason vaihteluiden kanssa. GlucoType käyttää sitten näitä tietoja 1) tunnistaakseen korkeaan glykeemiseen kiertoon liittyviä käyttäytymismalleja, 2) muotoillakseen yksilöllisiä tavoitteita näiden käyttäytymismallien muuttamiseksi, 3) tarjotakseen hetkellistä päätöksentekotukea auttaakseen yksilöitä olemaan johdonmukaisempia tavoitteidensa saavuttamisessa.