Table of Contents

مقدمه: وعده IoT در مراقبت از دیابت

ملانوما بیش از 537 میلیون بزرگسال در سراسر جهان را تحت تاثیر قرار می دهد، با توجه به فدراسیون بین المللی دیابت، بزرگترین خطر روزانه قند خون بالا نیست، اما قند خون پایین - هیپوگلیسمی شدید هیپوگلیسمی می تواند منجر به تشنج، کما و حتی مرگ شود.

درک هیپوگلیسمی: بیش از یک قند خون پایین

هیپوگلیسمی به طور بالینی به عنوان گلوکز خون زیر 70 mg / dL (3.9 میلی مترol / L) علائم از علائم autonomic مانند عرق کردن، لرزش و تسکین به اثرات نوروگلیسمی باز عصبی مانند سردرگمی، بینایی مبهم و از دست دادن آگاهی برای بیماران در انسولین یا sulflureas، هیپوگلیسمی یک مطالعه مبتنی بر خطر شدید IoT است که نشان می دهد کنترل شدید است.

علل و عوامل خطر

هیپوگلیسمی می تواند از مصرف انسولین بیش از حد، خوردن وعده های غذایی، فعالیت فیزیکی غیرمنتظره یا مصرف الکل ناشی شود.آگاهی ناشی از هیپوگلیسمی (IAH) حدود 25 درصد از افراد مبتلا به دیابت نوع 1 را تحت تاثیر قرار می دهد؛ این بیماران دیگر علائم هشدار دهنده اولیه را احساس نمی کنند و به ویژه در معرض حوادث شدید هستند.

هزینه واقعی هیپوگلیسمی

فراتر از خطرات فوری سلامتی، هیپوگلیسمی دارای بار های اقتصادی و با کیفیت زندگی است.هر قسمت شدید می تواند هزاران دلار در مراقبت های اضطراری هزینه کند. ترس از هیپوگلیسمی برخی از بیماران را برای حفظ سطح گلوکز بالاتر، افزایش عوارض بلند مدت، راه حل های IoT هر دو ابعاد بالینی و روانشناختی را با ارائه صلح ذهن از طریق نظارت مداوم هدایت می کند.

سیستم IoT Ecosystem در مدیریت دیابت

اینترنت اشیا در مراقبت از دیابت شامل دستگاه های متصل است که جمع آوری، انتقال و عمل بر روی داده های گلوکز در زمان نزدیک به واقعیت است. اجزای کلیدی شامل مانیتورهای گلوکز مداوم (CGMs)، پمپ های انسولین هوشمند، متر های گلوکز خون متصل، برنامه های بهداشتی تلفن همراه و سیستم عامل های ابر است که ادغام داده ها برای ارائه دهندگان مراقبت های بهداشتی، آنها یک حلقه بسته یا نیمه بسته است که می تواند پیش بینی و جلوگیری از تصویب چندین سیستم های مواد مخدر و تسریع در سیستم های غذایی.

Glucose Monitors (CGMs): لایه Sensing

CGMs از یک سنسور کوچک که در زیر پوست قرار گرفته است برای اندازه گیری گلوکز بیناست (هر چند دقیقه) CGM های مدرن مانند Dexcom G7، ابوت FreeStyle Libre 3، و Medtronic4 داده ها را به صورت بی سیم به گوشی های هوشمند یا گیرنده های اختصاصی منتقل می کنند. هشدار می دهد تا برخی از آزمایش های سریع گلوکز را پیش بینی کند.

دقت و پیشرفت های کالیبراسیون

پیش از این CGM ها نیاز به کالیبراسیون چند روزه انگشت نگاری داشتند، محدود کردن راحتی و راحتی نسل های جدید تر به MARD (تفاوت نسبی) مقادیر زیر 10٪ بدون کالیبراسیون، مطابق با دقت بسیاری از متر های قند خون ضروری است، که این قابلیت اطمینان برای سیستم های تحویل انسولین خودکار ضروری است، جایی که خطای سنسور می تواند باعث تحویل بیش از حد و هیپوگلیسمی شود.

سنسور Wear Time و Imp

CGM های مدرن زمان های طولانی مدت سایش را از 10 تا 14 روز در هر سنسور ارائه می دهند، کاهش بار تغییرات مکرر. Effects به طور معمول با یک نرم افزار ساده انجام می شود و بسیاری از کاربران کمترین ناراحتی را گزارش می دهند و چسب های بهبود یافته و بیش از حد اندام ها به حفظ سنسور در طول ورزش، شنا و خواب کمک می کنند، اطمینان از جریان مداوم داده ها برای تشخیص هیپوگلیسمی.

پمپ های هوشمند انسولین با اتصال IoT

پمپ های انسولین از دستگاه های تحویل ساده به سیستم عامل های هوشمند که با CGM از طریق بلوتوث ارتباط برقرار می کنند، تکامل یافته اند.The Omnipod 5، Medtronic 780G و Tandem t:lim X2 با تکنولوژی Control-IQ سرعت انسولین پایه را تنظیم می کند و اصلاح به طور خودکار بر اساس CGM خواندن، این سیستم ها الگوریتم های پیش بینی شده را به کار می برد که تحویل انسولین را در هنگام کاهش روند پایین، به طور چشمگیری کاهش می دهد.

سیستم های بسته بندی شده –Loop و Hybrid Systems

یک پانکراس مصنوعی کاملا بسته شده است یک هدف طولانی مدت است.سیستم های جریان بسته هیبریدی، گاهی اوقات به نام "automode" نیاز به مصرف کنندگان برای غذا خوردن اما مدیریت تمام مطالعات انسولین پایه به طور مداوم نشان می دهد که این سیستم ها افزایش زمان در منطقه (70-180 میلی گرم / dL) در حالی که کاهش زمان کمتر از 70 / Ld توسط 60٪ - inic اعلام کرد، تنها مصرف کننده را پاک می کند.

ویژگی های خودکار تعلیق انسولین

یک ویژگی مهم ایمنی در پمپ های هوشمند توانایی توقف تحویل انسولین است، زمانی که سطح گلوکز پایین پیش بینی یا تشخیص داده می شود، به عنوان مثال، Medtronic 780G انسولین پایه را تا 30 دقیقه قبل از اینکه سطح پیش بینی شده پایین باشد، مصرف خودکار هنگام بهبودی گلوکز، به تنهایی نشان داده شده است که هیپوگلیسمی شبانه را بیش از 50٪ کاهش دهد، ارائه ایمنی حیاتی در طول خواب.

Data Analytics و پیش بینی کننده هشدار

سیستم عامل های IoT بیش از ارزش های فعلی گلوکز را نشان می دهند؛ آنها الگوهایی را با استفاده از مدل های یادگیری ماشینی ([۵] آموزش داده شده در داده های تاریخی تجزیه و تحلیل می کنند، به عنوان مثال، مشاور دیابت DreaMed و تجزیه کننده های Glookoگلیسمی در تحقیقات خطوط روند اضافی برای پیش بینی هیپوگلیسمی ۳۰ تا ۶۰ دقیقه پیش بینی می کند که این الگوریتم ها پاسخ های منحصر به انسولین، غذا و ورزش را نشان می دهند.

شناسایی الگو و شخصی سازی

تجزیه و تحلیل پیشرفته الگوهای هیپوگلیسمی تکراری را شناسایی می کند - مانند دی های پس از تمرین یا کم کم شبانه - و تنظیمات زمان غذا، تنظیم انسولین یا برنامه ریزی فعالیت را پیشنهاد می کند.در طول هفته ها استفاده، سیستم یک پروفایل ریسک شخصی برای هر بیمار ایجاد می کند و این میزان شخصی سازی دقیق تر با نظارت سنتی انگشت امکان پذیر نیست.

Mobile Apps و Wearables به عنوان رابط کاربری

برنامه های هوشمند مانند Dexcom Clarity، FreeStyle LibreLink و MySugr داشبورد های شهودی، گراف های روند و گزارش های قابل اشتراک را ارائه می دهند. بیماران می توانند هشدارهای سفارشی را برای آستانه های نرخ تغییر، فعال سازی با ساعت های هوشمند (Apple Watch، Garmin، Fitbit) تنظیم کنند و گلوکز را بدون بررسی یک هشدار سطح مراقبت کننده مهم و یا پشتیبانی از طریق تمرین، حتی اگر برخی از طریق تماس های تلفنی، دریافت کنند، اجازه دهند.

ویژگی های Follow and Share

یکی از تأثیرگذارترین قابلیت های IoT توانایی چندین نفر برای پیگیری داده های گلوکز بیمار در زمان واقعی است.یک والد می تواند یک کودک را در مدرسه نظارت کند یا همسر می تواند در طول شب هشدار داده شود.این لایه اجتماعی نظارت نشان داده شده است که بار روانی بر بیماران را کاهش دهد و ایمنی را بهبود بخشد، به ویژه برای کسانی که دارای آگاهی هیپوگلیسمی ضعیف هستند.

مزایای IoT برای بیماران و ارائه دهندگان خدمات بهداشتی

تاثیر IoT بر کاهش هیپوگلیسمی در ابعاد مختلف قابل اندازه گیری است:

  • حوادث شدید پاسخ: هشدار زمان واقعی و تعلیق انسولین خودکار قبل از افزایش آنها جلوگیری می کند.
  • بهتر است زمان در محدوده: بیماران ساعت های بیشتری را در محدوده گلوکز هدف صرف می کنند، با بی زمان در هر دو هیپوگلیسمی و هیپرگلیسمی.
  • بار انگشت نگاری قرمز: بسیاری از کاربران CGM نیاز به کمتر از چهار انگشت سنج در روز، بهبود راحتی و انطباق.
  • اعتماد به نفس: [FLT 1] دانستن این که سیستم کاهش اضطراب و اجازه می دهد برای فعالیت فیزیکی خود به خودی بیشتر.
  • ] تصمیمات بالینی مبتنی بر داده: پزشکان می توانند الگوهای گلوکز دقیق را در طول بازدید از تله درمانی بررسی و تنظیم درمان از راه دور تنظیم کنند.
  • ] مدیریت سلامت: سیستم های بهداشتی می توانند بیماران را با تجزیه و تحلیل داده های CGM جمع آوری شده، شناسایی کنند و سپس مداخلات را اولویت بندی کنند.
  • کیفیت خواب بهبود یافته: هشدار های خودکار و تعلیق انسولین، هیپوگلیسمی شبانه را کاهش می دهد، که منجر به خواب بیشتر برای بیماران و مراقبان می شود.

شواهد واقعی جهانی و مطالعات بالینی

مطالعات متعدد قدرت هیپوگلیسمی را از سیستم های IoT تأیید می کند. [۱] کارآزمایی آینده یک سیستم حلقه بسته هیبریدی را در ۷۲ کودک مبتلا به دیابت نوع ۱ ارزیابی کرد؛ زمان هیپوگلیسمی در هیپوگلیسمی بیش از ۷۲٪ کاهش یافته است.[۱۰] بزرگترین مطالعه COMISAIR نشان داد که مصرف کنندگان CGM در مقایسه با خودکنترلی تنها به طور قابل توجهی کاهش یافته است.

جمعیت کودکان و بزرگسالان

مزایای IoT در سراسر گروه های سنی گسترش می یابد.در جمعیت کودکان، سیستم های حلقه بسته هیبریدی وعده های خاصی را با کاهش اضطراب والدین و بهبود نتایج گلیسمیک در طول خواب و ساعات مدرسه نشان داده اند.در بزرگسالان مسن با دیابت نوع 1، سیستم های مبتنی بر CGM کمک به مقابله با کاهش سن در آگاهی هیپوگلیسمی، که منجر به بازدید از بخش اورژانس کمتری می شود.

نوع 2 برنامه کاربردی دیابت

در حالی که بیشتر مطالعات IoT بر روی دیابت نوع 1 تمرکز می کنند، شواهد در حال رشد از استفاده از CGM در نوع انسولین درمان شده 2 بیمار پشتیبانی می کند. مطالعه WISDOM نشان داد که کاربران CGM مبتلا به دیابت نوع 2 در مقایسه با نظارت بر کیستیک، با بیشترین مزایای در کسانی که در ulfonylureas یا چندین تزریق روزانه تجربه می کنند.

چالش ها و ملاحظات عملی

علی رغم نتایج چشمگیر، مدیریت دیابت مبتنی بر IoT با موانعی مواجه است که پذیرش گسترده تر را محدود می کند.

هزینه و پوشش بیمه

CGMs و پمپ های هوشمند سالانه هزاران دلار هزینه دارند، در حالی که Medicare و اکثر بیمه گران خصوصی در حال حاضر این دستگاه ها را برای دیابت نوع 1 پوشش می دهند، پوشش برای دیابت نوع 2 متناقض است.هزینه های خارج از جیب همچنان یک مانع مهم است، به ویژه در جمعیت کم درآمد که در آن شیوع دیابت اغلب بالاترین تلاش برای گسترش پوشش است، و برخی از تولید کنندگان برنامه های کمک بیمار ارائه می دهند.

امنیت داده ها و حریم خصوصی

انتقال بی سیم داده های بهداشتی نگرانی های امنیت سایبری را در سال ۲۰۱۹ افزایش می دهد، FDA ارتباطات ایمنی در مورد آسیب پذیری در برخی از پمپ های انسولین و سیستم های CGM را صادر کرد که می تواند دسترسی غیر مجاز را فراهم کند. در ارتباط با به روز رسانی های امنیتی دستگاه متصل به روز رسانی شده است.]

Userion و Technical سواد

بیماران سالمند یا کسانی که از تکنولوژی ناراحت هستند ممکن است با قرار دادن سنسور، ناوبری برنامه یا کالیبراسیون. آموزش پمپ و پشتیبانی مداوم تکنولوژی مبارزه کنند ضروری است. سازندگان دستگاه و مربیان دیابت به طور فزاینده ای رابط کاربری ساده و برنامه های پشتیبانی از جامعه و مربیگری همتا را ارائه می دهند.

قابلیت اطمینان سنسور و مسائل پوستی

خطاهای سنسور، افت سیگنال یا آلرژی های چسب می تواند باعث شکاف در داده ها شود، افزایش خطر هیپوگلیسمی اگر کاربر به طور کامل به سیستم بستگی دارد، تولید کنندگان همیشه توصیه می کنند که پشتیبان گیری از قند خون را انجام دهند و هرگز تنها به داده های IoT در طول تصمیم گیری های بحرانی مانند رانندگی تکیه نمی کنند.

هشدار خستگی و مدیریت هشدار

هشدار های مکرر، به ویژه یک شبه، می تواند منجر به خستگی زنگ دار و کاهش واکنش پذیری شود.سیستم های مدرن اجازه می دهند تا سفارشی سازی گسترده از آستانه ها، هشدار های نرخ تغییر، و تنظیمات خربزه را کاهش دهند.

مسیر های آینده: AI، Interoperability و Beyond

موج بعدی نوآوری IoT با هدف ایجاد یک اکوسیستم مدیریت کامل مستقل و شخصی سازی شده دیابت (هوش مصنوعی حتی پیش بینی های هیپوگلیسمی زودتر و دقیق تر را با ادغام منابع داده اضافی: ردیاب های فعالیت، مانیتور ضربان قلب، سنسورهای مداوم کتون و حتی عکس های غذایی که توسط استانداردهای دوربین های هوشمند جذب می شوند، فعال می کند.

دوقلوهای دیجیتال و پزشکی دقیق

یکی دیگر از مرزهای امیدوار کننده استفاده از دوقلوهای دیجیتال است - شبیه سازی های مجازی سیستم متابولیک بیمار که می تواند استراتژی های انسولین را قبل از استفاده از آنها در دنیای واقعی آزمایش کند، مطالعات آزمایشی در مراکز دانشگاهی نشان می دهد که درمان هدایت کننده دوقلو دیجیتال هیپوگلیسمی را تا 30٪ در مقایسه با مراقبت های استاندارد، همراه با دستگاه های IoT که به طور مداوم داده ها را به دوقلوها می رسانند، این رویکرد می تواند نشان دهنده تغییر در پزشکی دقیق باشد.

سیستم های چند نفره

نسل بعدی سیستم های حلقه بسته در حال بررسی اضافه شدن گلوکاگون یا pramlintide در کنار انسولین هستند. یک رویکرد هورمون دوگانه می تواند پاسخ فیزیولوژیکی بیشتری به نوسانات گلوکز ارائه دهد، به طور بالقوه آزمایش های بالینی اولیه از پمپ های دو یانیمال نشان می دهد نتایج امیدوار کننده، با زمان نزدیک به صفر کمتر از 70 mg / dL در طول دوره مطالعه.

ادغام با Electronic Health Records

تبادل اطلاعات بی درز بین دستگاه های IoT و سیستم های EHR، تجزیه و تحلیل سلامت جمعیت، یادآوری های خودکار قرار ملاقات بر اساس روند گلوکز، و نظارت زمان واقعی توسط تیم های مراقبتی را فعال می کند. چندین سیستم بهداشتی در حال حاضر در حال آزمایش ادغام داده های CGM به سیستم عامل های EHR خود هستند، اجازه می دهد پزشکان برای دیدن روند گلوکز در کنار نتایج آزمایشگاه و لیست های دارویی در طول بازدید از بیمار.

نتیجه گیری: یک مسیر امن تر، هوشمند تر به جلو

اینترنت اشیا از احتمال جالب به واقعیت بالینی در مراقبت از دیابت منتقل شده است.با اتصال مانیتورهای گلوکز مداوم، پمپ های هوشمند، الگوریتم های پیش بینی شده و برنامه های تلفن همراه، سیستم های IoT کاهش هیپوگلیسمی را به نصف یا بیشتر در حالی که بهبود کنترل کلی گلیسمیک بیماران به دست آوردن آزادی از انگشتان ثابت و ترس از ارائه دهندگان کم ناگهانی به دست آوردن اطلاعات غنی برای درمان شخصی و چالش های فعال در اطراف یک فن آوری حفظ حریم خصوصی، و نه تنها امید به عنوان یک سیستم بینایی و از بین بردن روند بینایی و از بین بردن بینایی و از طریق سیستم بینایی دیجیتال، به عنوان یک سیستم بینایی و امید کننده است.