CGM 데이터를 사용한 CGM 데이터 기반 예측 A1c (A1c)

소개. 헤모글로빈 A1C(HbA1c)는 지난 2~3개월 동안의 평균 혈당 수치를 반영합니다. 센서 기술의 최근 발전으로 CGM 장치를 사용하여 혈당을 매일 모니터링할 수 있습니다. CGM 데이터를 기반으로 한 HbA1C의 미래 예측은 당뇨병 환자의 장기적인 건강 유지에 중요한 의미를 지닙니다. HbA1c 수치가 정상보다 높으면 당뇨병 관련 심혈관 질환의 가능성이 크게 높아집니다.

목표. 본 연구의 목적은 머신러닝 기법을 적용하여 CGM 데이터를 활용하여 HbA1c를 사전에 예측하는 것이다. 이 연구의 결과는 당뇨병 환자의 건강을 개선하는 데 도움이 될 것입니다.

행동 양식. 후향적 분석입니다. 조사관은 지난 3개월 동안 CGM 센서를 사용한 T1D 환자 120명을 비식별 및 분석할 예정입니다. 지난 15일 간의 CGM 데이터를 분석하고 범위 내 시간(TIR), 변동 계수(CV), 평균 혈당 진폭 진폭(MAGE), 평균 일일 차이(MODD), 연속 전체 순 혈당 작용(CONGA)이 추출됩니다. 기계 학습 모델은 이 15일간의 CGM 데이터를 기반으로 2~3개월 전에 HbA1c를 미리 계산(예측)합니다. 제안된 예측 모델의 성능을 평가하기 위해 예측된 HbA1c와 실제 HbA1c를 비교한다.