基于 CGM 数据的预测 A1c 使用 CGM 数据 (A1c)

介绍。 糖化血红蛋白 (HbA1c) 反映了过去两到三个月的平均血糖水平。 传感器技术的最新进展有助于使用 CGM 设备对血糖进行日常监测。 基于CGM数据对HbA1C的未来预测对于维持糖尿病患者的长期健康具有重要意义。 HbA1c 高于正常值会大大增加患糖尿病相关心血管疾病的可能性。

目标。 本研究的目的是通过应用机器学习技术利用 CGM 数据提前预测 HbA1c。 这项研究的结果将有助于改善糖尿病患者的健康。

方法。 这是一个回顾性分析。 研究人员将对过去三个月使用 CGM 传感器的 120 名 T1D 患者进行去识别化和分析。 将分析过去 15 天的 CGM 数据和不同的葡萄糖变异特征，例如范围时间 (TIR)、变异系数 (CV)、平均血糖波动幅度 (MAGE)、平均每日差异 (MODD)、连续总体净值将提取升糖作用 (CONGA)。 机器学习模型将根据这 15 天的 CGM 数据提前 2-3 个月计算（预测）HbA1c。 为了评估所提出的预测模型的性能，预测的 HbA1c 将与真实的 HbA1c 进行比较。