A1c prédictif basé sur les données CGM utilisant les données CGM (A1c)

Introduction. L'hémoglobine A1C (HbA1c) reflète la glycémie moyenne des deux à trois derniers mois. Les progrès récents de la technologie des capteurs facilitent la surveillance quotidienne de la glycémie à l'aide d'appareils CGM. La prévision future de l'HbA1C basée sur les données CGM revêt une importance cruciale pour le maintien de la santé à long terme des patients diabétiques. Une valeur supérieure à la normale de l'HbA1c augmente considérablement la probabilité de maladies cardiovasculaires liées au diabète.

But. L'objectif de cette étude est de prédire l'HbA1c à l'avance en utilisant les données CGM en appliquant des techniques d'apprentissage automatique. Les résultats de cette recherche aideront à améliorer la santé des patients diabétiques.

Méthodes. Il s'agit d'une analyse rétrospective. Les enquêteurs anonymiseront et analyseront 120 patients atteints de DT1 qui ont utilisé un capteur CGM au cours des trois derniers mois. Les données CGM des 15 derniers jours seront analysées et différentes caractéristiques de variabilité du glucose telles que le temps dans la plage (TIR), le coefficient de variation (CV), l'amplitude moyenne de l'excursion glycémique (MAGE), la moyenne des différences quotidiennes (MODD), le net global continu l'action glycémique (CONGA) sera extraite. Un modèle d'apprentissage automatique calculera (prédira) l'HbA1c 2 à 3 mois à l'avance sur la base de ces 15 jours de données CGM. Pour évaluer les performances du modèle de prédiction proposé, l'HbA1c prédite sera comparée à l'HbA1c réelle.