Investigadores desarrollan un modelo para predecir eventos hipoglucémicos
Crédito: Pixabay/CC0 Dominio público
Más de 30 millones de personas en los Estados Unidos tienen diabetes, aproximadamente el 10,5 % de la población del país, con 1,5 millones de nuevos diagnósticos cada año y un costo anual estimado superior a los $300 mil millones.
Debido a las consecuencias agudas y graves de la hipoglucemia (bajo nivel de azúcar en la sangre), el miedo a ella a menudo conduce a una terapia de insulina menos agresiva, lo que en última instancia aumenta la exposición a largo plazo a la hiperglucemia (nivel alto de azúcar en la sangre). Para optimizar el control de la diabetes, los riesgos a largo plazo asociados con la hiperglucemia deben equilibrarse con los riesgos de hipoglucemia.
Madhav Erraguntla, profesor asociado de práctica en el Departamento de Industria Industrial Wm Michael Barnes ’64 and Systems Engineering, y Balakrishna Haridas, profesor de práctica en el Departamento de Ingeniería Biomédica, están trabajando para desarrollar un modelo de predicción de eventos hipoglucémicos que tenga una baja tasa de falsas alertas, sea altamente sensible y específico, y se pueda aplicar a nuevos pacientes y a nuevos períodos de tiempo.
La principal motivación de esta investigación es explorar formas de mejorar aún más el rendimiento predictivo de la hipoglucemia para reducir la tasa de falsas alarmas.
«Detección temprana de eventos hipoglucémicos basados en lecturas de monitoreo continuo de glucosa (MCG) con alta sensibilidad y especificidad y bajas tasas de falsas alarmas pueden ayudar a los pacientes con diabetes a controlar mejor la hipoglucemia y su salud en general», dijo Erraguntla. ayuda.
Las alertas precisas de hipoglucemia propuestas por el equipo permitirán a los pacientes controlar mejor la diabetes al reducir el miedo a la hipoglucemia.
La investigación se realizó con datos retrospectivos no identificados, es decir, datos que ya existen.
El equipo de investigación obtuvo conjuntos de datos de CGM de 110 pacientes pediátricos con diabetes tipo 1 en el transcurso de 30 a 90 días. Los datos comprendían más de 1,6 millones de valores de CGM en condiciones de vida normales y se analizaron mediante algoritmos de aprendizaje automático.
En lugar de centrarse en todos los eventos hipoglucémicos, el equipo se centró en los eventos hipoglucémicos sostenidos, definidos como valores de glucosa inferiores a 70 mg/decilitro, durante al menos 15 minutos. Centrarse en eventos persistentes en lugar de eventos transitorios condujo a un mejor rendimiento del modelo.
En investigaciones anteriores, el equipo desarrolló un algoritmo de aprendizaje automático que detecta la hipoglucemia con 30 minutos de anticipación utilizando lecturas de MCG. El equipo pudo lograr una sensibilidad (tasa de verdaderos positivos) y una tasa de especificidad (tasa de verdaderos negativos) de más del 90 por ciento de precisión. Sin embargo, debido a una pequeña cantidad de eventos hipoglucémicos en comparación con los eventos no hipoglucémicos, incluso esta sensibilidad y especificidad relativamente altas pueden generar tasas de alerta falsa de alrededor del 80 %, lo que puede provocar que los pacientes tomen medidas innecesarias para evitar la hipoglucemia.
Mejorar la especificidad en situaciones tan altamente desequilibradas reducirá la tasa de falsas alertas y, por lo tanto, mejorará la experiencia del usuario y la confianza en las alertas.
El modelo de aprendizaje automático finalmente desarrolló eventos sostenidos y predichos con precisión con más del 97 por ciento de sensibilidad y especificidad para marcos de tiempo de 30 y 60 minutos en el futuro. La tasa de falsas alertas se mantuvo en menos del 25 por ciento, en comparación con alrededor del 80 por ciento cuando se centró en todos los eventos hipoglucémicos. En otras palabras, solo una de cada cuatro alertas es potencialmente falsa, en comparación con cuatro de las cinco alertas que eran falsas antes.
Un beneficio adicional es que, si bien el modelo se enfocó en eventos hipoglucémicos sostenidos, más del 61 por ciento de los eventos hipoglucémicos transitorios aún son detectados como falsos positivos por el modelo.
«Los resultados de esta investigación nos acercan un paso más al control efectivo de la diabetes y la enorme carga que representa para nuestra atención médica». dijo Erraguntla.
Explore más
Nuevos datos enfatizan la importancia de evitar los niveles hipoglucémicos de glucosa en la diabetes tipo 1 Proporcionado por la Universidad de Texas A&M Cita: Investigadores que desarrollan un modelo para predecir eventos hipoglucémicos (2021, 15 de diciembre) recuperados 29 de agosto de 2022 de https://medicalxpress.com/news/2021-12-hypoglycemic-events.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.