Microinfusore/CGM/Pancreas artificiale

I modelli di apprendimento automatico superano l’indicatore di gestione del glucosio nella stima dell’HbA1c

Secondo i dati dello studio, i modelli di apprendimento automatico che utilizzano il monitoraggio continuo del glucosio e i dati demografici erano più precisi nella stima dell’HbA1c per le persone con diabete di tipo 1 rispetto all’indicatore di gestione del glucosio.

Sostienici con un acquisto o donazione

Utilizzando i dati di cinque coorti di persone con diabete di tipo 1, i ricercatori hanno sviluppato modelli di apprendimento automatico con errori di stima dell’HbA1c fino al 26% in meno rispetto alla formula dell’indicatore di gestione del glucosio.

Scheinker è professore associato clinico di pediatria, endocrinologia e diabete presso la Stanford University School of Medicine e fondatore e direttore di SURF Stanford Medicine .
“La pandemia di COVID-19 ha interrotto le misurazioni di HbA1c in molti studi in corso” , ha detto David Scheinker, PhD , professore associato clinico di pediatria – endocrinologia e diabete presso la Stanford University School of Medicine e fondatore e direttore di SURF Stanford Medicine. “Questo lavoro utilizza l’apprendimento automatico e i dati di molti diversi tipi di pazienti raccolti da CGM per stimare meglio l’HbA1c. Questo metodo può consentire agli studi in cui la misurazione dell’HbA1c è stata interrotta di utilizzare questo approccio per stimare gli effetti sulla loro popolazione. I dati raccolti da CGM e analizzati con l’apprendimento automatico dovrebbero ridurre significativamente la necessità di HbA1c, un valore di laboratorio misurato circa ogni 3 mesi, con un’immagine molto più ricca e vicina alla gestione del glucosio in tempo reale.

Scheinker e colleghi hanno raccolto dati da quattro coorti descritte negli studi elencati dal Type 1 Diabetes Exchange e da una quinta coorte descritta in uno studio sull’intervento sullo stile di vita per adolescenti con diabete di tipo 1. Sono state incluse le persone con valori di HbA1c tra il 5,5% e l’11,5% e la cui razza autoidentificata era bianca o nera. Sono stati raccolti CGM, HbA1c e dati demografici. Tutti i valori di HbA1c sono stati accompagnati da almeno 5 giorni di registrazioni CGM.

Utilizzando HbA1c come variabile di risposta e statistiche e dati demografici sul glucosio CGM come caratteristiche, il ricercatore ha creato una regressione L1-regolarizzata (LASSO) e una regressione a foresta casuale (RF) con interazioni bidirezionali tra tutte le caratteristiche. È stata inoltre sviluppata una semplice regressione ai minimi quadrati ordinari di HbA1c su glucosio medio e razza (OLSmgr). I risultati sono stati pubblicati nel Journal of Diabetes and Its Complications .

L’analisi ha incluso 4.212 misurazioni di HbA1c da 1.182 partecipanti. Il modello RF è stato il modello con le prestazioni più elevate che non utilizzava la precedente HbA1c, con un errore medio di 0,67 punti percentuali, il 19% inferiore all’errore medio dell’indicatore di gestione del glucosio di 0,83 punti percentuali ( P <.001). Il modello OLSmgr ha avuto un errore medio superiore dell’8% rispetto al modello RF. Le stime di HbA1c nel modello RF erano entro 1 punto percentuale del vero valore di HbA1c per l’87% dei partecipanti rispetto all’81% per l’indicatore di gestione del glucosio, con le prestazioni più elevate per i valori di HbA1c del 9% e del 10%. Nelle coorti con un’HbA1c mediana superiore all’8%, entrambi i modelli RF e OLSmgr hanno stimato l’HbA1c mediana in modo più accurato rispetto all’indicatore di gestione del glucosio.

I ricercatori hanno abbinato 2.352 misurazioni di HbA1c di 872 persone con una misurazione aggiuntiva di HbA1c di 70 giorni prima. LASSO è stato il modello di apprendimento automatico più performante, con un errore medio di 0,49 punti percentuali, che è stato del 26% inferiore alla media dell’indicatore di gestione del glucosio di 0,67 punti percentuali ( P <.001). LASSO ha stimato l’HbA1c entro 1 punto percentuale per il 95% dei partecipanti rispetto all’89% per l’indicatore di gestione del glucosio. LASSO ha ottenuto risultati migliori in quelli con HbA1c del 9% e del 10% quando si misurava l’errore entro 1 punto percentuale.

I ricercatori hanno notato che il modello OLSmgr più semplice ha funzionato quasi come LASSO, con un errore medio superiore dello 0,4% nonostante si tenesse conto solo del glucosio medio, della razza e dell’HbA1c precedente.

“Le prestazioni dell’indicatore di gestione del glucosio potrebbero essere notevolmente migliorate tenendo conto solo di due funzionalità aggiuntive e senza sacrificare l’interpretabilità”, hanno scritto i ricercatori.

Sostienici con un acquisto o donazione
Sostienici con un acquisto o donazione