A1c preditivo baseado em dados CGM usando dados CGM (A1c)

Introdução. A hemoglobina A1C (HbA1c) reflete o nível médio de glicose no sangue nos últimos dois a três meses. Avanços recentes na tecnologia do sensor facilitam o monitoramento diário da glicose no sangue usando dispositivos CGM. A previsão futura da HbA1C com base nos dados do CGM tem um significado crítico na manutenção da saúde a longo prazo dos pacientes com diabetes. Um valor de HbA1c maior que o normal aumenta muito a probabilidade de doenças cardiovasculares relacionadas ao diabetes.

Meta. O objetivo deste estudo é prever a HbA1c com antecedência, utilizando os dados CGM por meio da aplicação de técnicas de aprendizado de máquina. Os resultados desta pesquisa ajudarão a melhorar a saúde dos pacientes diabéticos.

Métodos. Esta é uma análise retrospectiva. Os investigadores vão desidentificar e analisar 120 pacientes com DM1 que usam o sensor CGM nos últimos três meses. Os dados dos últimos 15 dias do CGM serão analisados ​​e diferentes características da variabilidade da glicose, como tempo no intervalo (TIR), coeficiente de variação (CV), amplitude média da excursão glicêmica (MAGE), média das diferenças diárias (MODD), rede global contínua ação glicêmica (CONGA) será extraída. Um modelo de aprendizado de máquina calculará (preverá) HbA1c com 2 a 3 meses de antecedência com base nesses 15 dias de dados CGM. Para avaliar o desempenho do modelo de predição proposto, a HbA1c prevista será comparada com a HbA1c real.