Il diabete mellito, che causa la disregolazione della glicemia negli esseri umani, è una delle principali sfide per la salute pubblica. I pazienti con diabete devono monitorare i loro livelli glicemici per mantenerli in un intervallo sano. Questo compito è reso più facile utilizzando dispositivi di monitoraggio continuo del glucosio (CGM) e trasmettendo il loro output alle app per smartphone, fornendo così agli utenti informazioni in tempo reale sulle fluttuazioni glicemiche ed eventualmente prevedendone le tendenze.
Lo studio era volto ad affrontare le varie sfide del monitoraggio predittivo della glicemia ed esaminare l’accuratezza e gli effetti di controllo della glicemia di Diabits, un’app per smartphone che aiuta i diabetici a monitorare e gestire la glicemia in tempo reale.
Metodi: utilizzando i dati dei dispositivi CGM e l’input dell’utente, Diabits applica tecniche di apprendimento automatico per creare modelli di pazienti personalizzati e prevedere le fluttuazioni della glicemia fino a 60 minuti in anticipo. Queste previsioni danno ai pazienti l’opportunità di intraprendere un’azione preventiva per mantenere i valori glicemici entro l’intervallo di riferimento. In questo studio di coorte osservazionale retrospettivo, l’accuratezza predittiva dei diabetici e la correlazione tra l’uso quotidiano dell’app e le metriche di controllo della glicemia sono state esaminate sulla base dei dati degli utenti reali dell’app. Inoltre, l’accuratezza delle previsioni sul set di dati 2018 Ohio T1DM (diabete mellito di tipo 1) è stata calcolata e confrontata con altri risultati pubblicati.
Risultati: Sulla base di oltre 6,8 milioni di punti dati, le previsioni sui 30 minuti valutate utilizzando la griglia di errore di Parkes sono risultate essere dell’86,89% (5.963.930 / 6.864.130) clinicamente accurate (zona A) e del 99,56% (6.833.625 / 6.864.130) clinicamente accettabili (zone A e B), mentre le previsioni a 60 minuti erano del 70,56% (4.843.605 / 6.864.130) clinicamente accurate e del 97,49% (6.692.165 / 6.864.130) clinicamente accettabili. Analizzando le statistiche sull’uso quotidiano e i dati CGM per i 280 utenti più di lunga data di Diabit, è stato stabilito che in condizioni di vita libera, molte metriche di controllo della glicemia comuni sono migliorate con una maggiore frequenza di utilizzo delle app. Ad esempio, la glicemia media per i giorni in cui questi utenti non hanno interagito con l’app è stata di 154,0 (SD 47,2) mg / dL, con il 67,52% del tempo trascorso nell’intervallo sano da 70 a 180 mg / dL. Per i giorni con 10 o più sessioni di diabete, la glicemia media è scesa a 141,6 (DS 42,0) mg / dL (P <0,001), mentre il tempo nell’intervallo euglicemico è aumentato al 74,28% (P <0,001). Sul set di dati dell’Ohio T1DM di 6 pazienti con diabete di tipo 1, le previsioni di 30 min del modello di base dei Diabiti avevano un errore quadratico medio medio di 18,68 (SD 2,19) mg / dL, che è un miglioramento rispetto allo stato di risultati all’avanguardia per questo set di dati.
In conclusione: i diabetici predicono accuratamente le prossime fluttuazioni glicemiche, rendendo potenzialmente più facile il mantenimento della glicemia nel range di riferimento. Inoltre, è stato osservato un miglioramento nel controllo del glucosio nei giorni con un uso più frequente di Diabit.
Studio condotto dal team di Bio Conscious Technologies Inc, Vancouver, BC, Canada.