Personliggjøring av selvledelse i diabetes - Pilotstudie

Økende bevis fremhever betydelige forskjeller i individers fysiologi og glykemiske funksjon og deres kulturelle, sosiale og økonomiske forhold som påvirker selvbehandlingen av diabetes. Disse oppdagelsene banet vei for presisjonsmedisin - en tilnærming til å tilpasse medisinsk behandling til en persons genetiske sammensetning, kliniske historie og livsstil. Beregningsbaserte læringsmetoder har blitt brukt med hell for å identifisere kliniske fenotyper-observerbare manifestasjoner av sykdommer. Studier viste fordelene med å skreddersy ikke bare medisinsk behandling, men også atferdsmessige intervensjoner; skreddersøm er imidlertid vanligvis avhengig av ekspertidentifikasjon av skreddersømsvariabler og beslutningsregler, og på standardundersøkelser. Data samlet inn med egenovervåking kan mer nøyaktig gjenspeile et individs atferd og glykemiske mønstre, og fremheve dermed deres "atferdsfenotyper", men slike data blir sjelden brukt i skreddersøm.

Det pågående fokuset i denne forskningen er å tilrettelegge for problemløsning i selvledelse av diabetes. Velutviklede problemløsningsferdigheter er avgjørende for at diabetesbehandling skal resultere i bedre diabetesegenomsorgsadferd fører til forbedringer i kliniske resultater og kan fremmes med ansikt-til-ansikt intervensjoner. Tidligere forskning antydet problemidentifikasjon og generering av alternativer som kritiske trinn i problemløsning ved diabetes. I tidligere arbeid utviklet etterforskerne en informatikkintervensjon som baserte seg på ekspertgenerert kunnskap for å hjelpe enkeltpersoner med disse trinnene i problemløsning. I denne pilotstudien studerer etterforskerne en alternativ løsning som er avhengig av beregningsmønsteranalyse av data samlet inn med selvovervåkingsteknologier for å skreddersy problemløsningshjelpen til individers unike atferdsfenotyper. Intervensjonen, GlucoType bruker beregningsbaserte læringsmetoder for å identifisere systematiske mønstre i individers kosthold, fysiske aktivitet og søvn, fanget med spesialbygde og kommersielle selvovervåkingsteknologier, og korrelerer disse mønstrene med svingninger i individers blodsukkernivå. GlucoType bruker deretter denne informasjonen til å 1) identifisere atferdsmønstre assosiert med høy glykemisk ekskursjon, 2) formulere personlige mål for å endre denne atferden, 3) gi beslutningsstøtte i øyeblikket for å hjelpe individer til å bli mer konsekvente i å nå sine mål.