Прогностическая модель ночных гипогликемий на основании данных мобильного приложения для мониторинга глюкозы
Год: 2024, том 20 Номер: №2 Страницы: 171-176
Рубрика: Эндокринология Тип статьи: Оригинальная статья
Авторы: Русанов A.H., Родионова Т.И.
Организация: ФГБОУ ВО Саратовский ГМУ им. В.И. Разумовского Минздрава России
Рубрика: Эндокринология Тип статьи: Оригинальная статья
Авторы: Русанов A.H., Родионова Т.И.
Организация: ФГБОУ ВО Саратовский ГМУ им. В.И. Разумовского Минздрава России
Резюме:
Цель: разработать прогностический алгоритм ночных гипогликемии (НГ) на основании данных мобильного приложения для мониторинга глюкозы. Материал и методы. Произведен ретроспективный анализ 524 профилей непрерывного мониторинга глюкозы (НМГ) пациентов с сахарным диабетом 1-го типа. НМГ выполнен с помощью системы Medtronic iPro2 в течение 6-7 суток, проведен анализ ночных периодов НМГ для выявления систематических НГ В исследование включены 239 пациентов, из которых у 65 (27,1 %) выявлены систематические НГ. Построены модели 7-точечных гликемических профилей, данные которых загружались в мобильное приложение DiaLog GM для расчета стандартизованных показателей мониторинга глюкозы. Прогностическая модель НГ разработана на основании метода логистической регрессии. Результаты. Согласно регрессионному анализу наиболее значимыми предикторами НГ, вошедшими в прогностическую модель, являлись гликированный гемоглобин (р=0,001), применение помповой инсулинотерапии (р=0,001), время ниже целевого диапазона 1-го уровня (р<0,001), коэффициент вариации глюкозы (р=0,02). Площадь под ROC-кривой для модели прогноза — 0,917; оптимальная точка отсечки для предсказанной вероятности НГ — 0,317, при которой чувствительность модели составила 86%, специфичность — 90%. Заключение. Разработанная модель прогноза на основании данных специализированного мобильного приложения позволяет усовершенствовать существующие подходы к оценке риска НГ за счет более высокой предсказательной способности.
Литература:
1. Yeh JS, Sung SH, Huang HM, et al. Hypoglycemia and risk of vascular events and mortality: a systematic review and meta-analysis. Acta Diabetol. 2016; 53 (3): 377-92. DOI: 10.1007/S00592-015-0803-3
2. Климентов В. В. Нарушение распознавания гипогликемии при сахарном диабете: эпидемиология, механизмы развития, терапевтические подходы. Сахарный диабет. 2018. 21 (6): 513-23. DOI: 10.14341/DM9597
3. Olafsdottir AF, Polonsky W, Bolinder J, et al. A randomized clinical trial of the effect of continuous glucose monitoring on nocturnal hypoglycemia, daytime hypoglycemia, glycemic variability, and hypoglycemia confidence in persons with type 1 diabetes treated with multiple daily insulin injections (GOLD-3). Diabetes Technol Ther. 2018; 20 (4): 274-84. DOI: 10.1089/dia. 2017.0363
4. Divan V, Greenfield M, Morley CP, Weinstock RS. Perceived burdens and benefits associated with continuous glucose monitor use in type 1 diabetes across the lifespan. J Diabetes Sci Technol. 2022; 16 (1): 88-96. DOI: 10.1177/1932296820978769
5. Kompala T, Wong J, Neinstein A. Diabetes specialists value continuous glucose monitoring despite challenges in prescribing and data review process. J Diabetes Sci Technol. 2023; 17 (5): 1265-73. DOI: 10.1177/19322968221088267
6. Schrangl P, Reiterer F, Heinemann L, et al. Limits to the evaluation of the accuracy of continuous glucose monitoring systems by clinical trials. Biosensors (Basel). 2018; 8 (2): 50. DOI: 10.3390/bios8020050
7. Klimontov VV, Myakina NE. Glucose variability indices predict the episodes of nocturnal hypoglycemia in elderly type 2 diabetic patients treated with insulin. Diabetes Metab Syndr. 2017; 11 (2): 119-24. DOI: 10.1016/j.dsx.2016.08.023
8. Sakurai K, Kawai Y, Yamazaki M, Komatsu M. Prediction of lowest nocturnal blood glucose level based on self-monitoring of blood glucose in Japanese patients with type 2 diabetes. J Diabetes Complications. 2018; 32 (12): 1118-23. DOI: 10.1016/j.jdiacomp.2018.09.007
9. Wang S, Tan Z, Wu T, et al. Largest amplitude of glycemic excursion calculating from self-monitoring blood glucose predicted the episodes of nocturnal asymptomatic hypoglycemia detecting by continuous glucose monitoring in outpatients with type 2 diabetes. Front Endocrinol (Lausanne). 2022; 13: 858912. DOI: 10.3389/fendo.2022.858912
10. Fleming GA, Petrie JR, Bergenstal RM, et al. Diabetes digital app technology: Benefits, challenges, and recommendations. A consensus report by the European Association for the Study of Diabetes (EASD) and the American Diabetes Association (ADA) Diabetes Technology Working Group. Diabetologia. 2020; 63 (2): 229-41. DOI: 10.1007/s00125-019-05034-1
11. Doupis J, Festas G, Tsilivigos C, et al. Smartphone-based technology in diabetes management. Diabetes Ther. 2020; 11 (3): 607-19. DOI: 10.1007/s13300-020-00768-3
12. Дедов И. И., Шестакова M.B., Майоров А. Ю. и др. Алгоритмы специализированной медицинской помощи больным сахарным диабетом. Под ред. И. И. Дедова, М.В. Шестаковой, А. Ю. Майорова. 11-й вып. Сахарный диабет. 2023; 26 (2S): 1-157. DOI: 10.14341/DM 13042
13. American Diabetes Association Professional Practice Committee. 6. Glycemic Goals and Hypoglycemia: Standards of Care in Diabetes-2024. Diabetes Care. 2024; 47 (Suppl. 1): 111-25. DOI: 10.2337/dc24-S006
14. Русанов A. H., Родионова Т. И. Новый компьютерный алгоритм расчета средней амплитуды гликемических экскурсий с использованием данных самостоятельного мониторинга глюкозы крови. Современные проблемы науки и образования. 2020; (3): 132. DOI: 10.17513/spno.29909
15. Vu L, Kefayati S, Ide T, et al. Predicting nocturnal hypoglycemia from continuous glucose monitoring data with extended prediction horizon. AMIAAnnu Symp Proc. 2020; (2019): 874-82. PMID: 32308884
16. Mosquera-Lopez C, Dodier R, Tyler NS, et al. Predicting and preventing nocturnal hypoglycemia in type 1 diabetes using big data analytics and decision theoretic analysis. Diabetes Technol Ther. 2020; 22 (11): 801-11. DOI: 10.1089/dia.2019.0458
17. Zhang L, Yang L, Zhou Z. Data-based modeling for hypoglycemia prediction: Importance, trends, and implications for clinical practice. Front Public Health. 2023; (11): 1044059. DOI: 10.3389/fpubh.2023.1044059
18. Rodbard D. Glucose variability: A review of clinical applications and research developments. Diabetes Technol Ther. 2018; 20 (S2): S25-215. DOI:10.1089/dia.2018.0092
| Прикрепленный файл | Размер |
|---|---|
| 2024_02_171-176.pdf | 735.96 кб |
Русский
English