نقش Aggregation داده ها در مدیریت موثر قند خون

تلاش برای به اشتراک گذاشتن تمام این متغیرها به صورت دستی بسیار زیاد است. جمع آوری داده ها این ورودی ها را به الگوهای منسجم که تصمیمات هوشمندانه تر و امن تر را می دانند، سنتز می کند.

تکامل مدیریت داده های دیابت: از Logs به پلتفرم های یکپارچه

دو دهه پیش، اکثر بیماران مبتلا به دیابت خواندن گلوکز را در دفترچه یادداشت دستی ثبت کردند، اغلب روند را با چشم برآورد می کنند. معرفی مانیتورهای گلوکز مداوم (CGMs) در اوایل دهه ۲۰۰۰ پیشگامانه بود، اما هر دستگاه تولید شده در فرمت های اختصاصی GLTose، گزارش های اصلاحی را دریافت کرد که تفسیر انسولین در کنار پمپ یا logs مواد غذایی دشوار بود.

انواع داده های ضروری برای Aggregation خون

داده های گلوکز: متریک اصلی

پایه هر سیستم تجمعی، داده های گلوکز است.

• خواندن گلوکز استیک : معمولا 4 تا 10 بار در روز، ارائه عکس های فوری اما از دست رفته و یا روند بین فردی.
• نظارت بر گلوکز ثابت (CGM) داده ها : دستگاه هایی مانند Dexcom G7 و ابوت FreeStyle Libre 3 هر 1 تا 15 دقیقه خواندن را ارائه می دهند، تولید 96-1، 440 نقطه داده در روز. CGMs همچنین گزارش فلش های نرخ تغییر و گرافینگ روند، هشدار به کاربران پایین و پایین.
• ] داده های نظارت بر گلوکز : مشابه CGM اما نیاز به اسکن برای بازیابی داده ها؛ سیستم هایی مانند Libre 3 در حال حاضر کامل CGMs هستند.

انسولین و داده های دارویی

ضبط دقیق دوزهای انسولین - نوع (تعامل سریع، پایه، قبل مخلوط)، واحدهای دوز و زمان - برای محاسبه نسبت های انسولین به کربوهیدرات و عوامل اصلاح کننده حیاتی است. داده های پمپ انسولین (به عنوان مثال، از Medtronic، Tandem، Insulet) همچنین یک ورودی دقیق از نرخ های پایه، بولوس، و تنظیمات موقت پیروی از دارو (metin2) را به طور مستقیم ردیابی می کند.

تغذیه داده های تغذیه

ورود مواد غذایی فراتر از شمارش ساده کربوهیدرات است. سیستم عامل های جمع آوری مدرن:

• کربوهیدرات و کربوهیدرات
• پروتئین و چربی گرم (مهم برای پاسخ های گلوکز تاخیری)
• زمان و زمینه غذا (پیش از غذا، پس از غذا، میان وعده)
• تخمین بار گلیسینیک

برخی از برنامه ها (به عنوان مثال،Sugr، Fooducate) اسکن بارکد یا تشخیص تصویر را برای ساده سازی ورود ادغام می کنند.

فعالیت و داده های سبک زندگی

دستگاه های پوشیدنی مانند Apple Watch، Fitbit و Garmin شمارش گام، ضربان قلب، مدت تمرین و شدت ردیاب خواب (Sa Ring، Whoop) اضافه کردن مراحل خواب و نمرات بهبودی حتی آب و هوا، ارتفاع و ردیابی چرخه قاعدگی می تواند برای توضیح تغییرات گلوکز جمع آوری شود.

داده های بالینی و آزمایشگاه

نتایج بلند مدت مانند HbA1c، پانل های چربی و تست عملکرد کلیه (eGFR، آلبومین ادرار) برای ارزیابی کنترل کلی داروها ضروری هستند.

چگونه Aggregation داده مدیریت قند خون را تغییر می دهد

از نقاط داده Scattered گرفته تا بینش یکپارچه

جمع آوری داده ها به سادگی جمع آوری اعداد نیست – فرآیند جمع آوری، عادی سازی، ادغام و تجزیه و تحلیل داده ها از منابع متعدد به یک مجموعه داده منسجم منفرد است، هنگامی که خواندن گلوکز، دوز، غذا، فعالیت، و خواب همه ترکیب شده اند، الگوهایی که به عنوان مثال نامرئی هستند، ممکن است یک کاربر به طور معمول متوجه مقدار چربی بالا شوند - زمان پیدا کردن یک قند خون بالا یا تنظیم مقدار زمان بندی زمان بندی قند خون سه ساعت قبل از شروع به کاهش می کند.

real-Time و Respective Analytics

Aggregation دو حالت تحلیلی مکمل را فعال می کند:

• هشدارها و اعلان های زمان واقعی : هنگامی که داده های CGM در داشبورد در کنار وعده های غذایی و ورزش اخیر جریان می یابد، کاربران بازخورد فوری دریافت می کنند، به عنوان مثال، اگر گلوکز کاربر سریع تر از انتظار می رود بعد از یک وعده غذایی، سیستم می تواند یک بوضر صحیح را پیشنهاد دهد یا توصیه کند که پیاده روی کوتاه را انجام دهد.
• تشخیص الگوی تجدید نظر ؛ در طول هفته ها و ماه ها، داده های جمع آوری شده الگوهای تکراری را نشان می دهد - گلوکز به طور مداوم بالا ناشتا در تعطیلات آخر هفته پس از وعده های غذایی دیر یا بهبود زمان در روز با ورزش صبحگاهی.

متریک های کلیدی از داده های Aggregated مشتق شده

سیستم عامل های Aggregation معیارهای معتبر بالینی را محاسبه می کنند که مراقبت های راهنمایی را هدایت می کنند:

• ]Time in Range (TIR) : درصد ارزش گلوکز بین 70 تا180 میلی گرم / dL (یا یک هدف سفارشی) انجمن دیابت آمریکا (ADA) توصیه می کند هدف TIR >؛ 70٪ برای اکثر بزرگسالان.
• [[ویرایش] [۱] [۱۰] [۱] [۲] [۱] [۲]] [۲] [۲]] [۲]] [۲]] [۲]] [۲]] [۲] [۲]] [۲] [۲] [۲]] [۲] [۲] [۲] [۲] [۲] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [
• [FLT 1] تنوع پذیری [FLT: انحراف استاندارد یا ضریب تنوع (%CV) که در آن تنوع پایین تر نشان دهنده کنترل پایدارتر است.
• [[۱] [۱۰] [۱] [۱] [۱] [۱] برای هیپرگلیسمی (پرگلیسمی)
• [[۱] [۱۰] گلوکز [۱۰] و [FLT] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱] [۱] [۱] [۱] و [FLT] [۱۰] [۱۰] [۱۰] [۳] [۳] [۳] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱]
• ] [ پروفایل Glucose (AGP) : یک طرح استاندارد 24 ساعته بیش از حد 14 روز از داده های CGM، نشان دادن دامنه متوسط، بین لایه و درصد، توصیه شده توسط اجماع بین المللی.

• سیستم عامل های مدیریت دیابت [FLT1] ] با بیش از 200 دستگاه از جمله CGM، پمپ های انسولین و ردیاب های فعالیت ارتباط برقرار می کند و هر دو بیمار و ارائه دهنده داشبورد متمرکز. [F5]
• [[ویرایش] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰]] [۱] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳]] [۳] [۳] [۳]] [۳]] [۳] [۳]] [۳] [۳]] [۶] [بر [و [۶] [۶] [۶] [۶] [۶] [بر [بر [و [و [بر [بر [بر [و [بر [بر [بر [بر [بر [بر [بر [و [و [و [و [بر [و]]]]]]]]]]]]]]] [و [بر [بر [و [و [و [بر [بر [بر [بر [بر [بر [و [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [و [بر [بر [بر [بر [بر [براى]]]]]]]]]]]]]]]]
• راه حل های خاص [FLT1] [FLT: Dexcom CLARITY [[FLT3] و [breView جمع آوری داده های CGM خود، ارائه گزارش های بیمارستانی برای بیماران و پزشکان.
• سیستم های منبع باز [FLT: Nightscout] و x Drip + اجازه می دهد تجمع داده DIY از دستگاه های متعدد، قادر به هشدار سفارشی، نظارت از راه دور و ادغام با سیستم های بسته مانند AndroidAPS.
• ادغام اکوسیستم سلامت ؛ اپل بهداشت و Google Fit در حال حاضر از داده های گلوکز از طریق HealthKit و FHIR رابط پشتیبانی می کنند، و اجازه می دهند انتقال خودکار به سیستم های ارائه دهنده.