Prediktiv A1c Basert på CGM-data ved bruk av CGM-data (A1c)

Introduksjon. Hemoglobin A1C (HbA1c) gjenspeiler gjennomsnittlig blodsukkernivå for de siste to til tre månedene. Nylige fremskritt innen sensorteknologien letter daglig overvåking av blodsukkeret ved hjelp av CGM-enheter. Fremtidig prediksjon av HbA1C basert på CGM-data har en kritisk betydning for å opprettholde langsiktig helse hos diabetespasienter. En høyere enn normal verdi av HbA1c øker i stor grad sannsynligheten for diabetesrelatert hjerte- og karsykdom.

Mål. Målet med denne studien er å forutsi HbA1c på forhånd ved å bruke CGM-dataene ved å bruke maskinlæringsteknikker. Resultatene av denne forskningen vil bidra til å forbedre helsen til diabetespasienter.

Metoder. Dette er en retrospektiv analyse. Etterforskerne vil avidentifisere og analysere 120 pasienter med T1D som har brukt CGM-sensor de siste tre månedene. De siste 15 dagene med CGM-data vil bli analysert og forskjellige glukosevariasjonsfunksjoner som tid i rekkevidde (TIR), variasjonskoeffisient (CV), gjennomsnittlig amplitude av glykemisk ekskursjon (MAGE), gjennomsnitt av daglige forskjeller (MODD), kontinuerlig total netto glykemisk virkning (CONGA) vil bli ekstrahert. En maskinlæringsmodell vil beregne (forutsi) HbA1c i 2-3 måneder i forveien basert på disse 15 dagene med CGM-data. For å evaluere ytelsen til den foreslåtte prediksjonsmodellen, vil predikert HbA1c bli sammenlignet med den virkelige HbA1c.