Table of Contents

Программное обеспечение для анализа данных непрерывного мониторинга глюкозы (CGM) играет решающую роль в современном управлении диабетом, превращая необработанные данные датчиков в практические идеи, которые направляют решения о лечении. По мере того, как технология CGM становится все более сложной и широко принятой, точность и надежность программных инструментов, используемых для анализа этих данных, стали первостепенными проблемами как для поставщиков медицинских услуг, так и для пациентов. Понимание того, как работает различное программное обеспечение для анализа данных CGM, какие показатели определяют их точность и какие факторы влияют на их надежность, имеет важное значение для оптимизации лечения диабета и достижения лучших результатов в отношении здоровья.

Растущее значение программного обеспечения для анализа данных CGM

Использование систем непрерывного мониторинга глюкозы (CGM) в лечении диабета быстро растет и представляет собой соответствующую технологию для преодоления ограничений самоконтроля глюкозы в крови. CGM произвел революцию в управлении диабетом, значительно улучшив гликемический контроль в различных популяциях пациентов, с недавними доказательствами, подтверждающими его эффективность как в лечении диабета 1 типа, так и 2 типа.

Исследования сообщают о последовательном снижении гликозилированного гемоглобина на 0,25%-3,0% и заметном улучшении диапазона в 15%-34%. Эти улучшения напрямую приводят к снижению риска как краткосрочных осложнений, таких как гипогликемия, так и долгосрочных осложнений, таких как сердечно-сосудистые заболевания, нейропатия и ретинопатия. Качество программного обеспечения для анализа данных напрямую влияет на эти результаты, гарантируя, что пациенты и поставщики медицинских услуг получают точную, своевременную и клинически релевантную информацию.

Однако неполная стандартизация методологий анализа данных CGM ограничивает потенциал этих устройств. Коммерчески доступные алгоритмы программного обеспечения CGM являются проприетарными; поэтому необходимо использование сторонних статистических пакетов в анализе данных CGM. Это отсутствие стандартизации создает проблемы при сравнении результатов на разных платформах и подчеркивает важность независимой оценки точности программного обеспечения.

Почему точный анализ данных CGM имеет значение

Точный анализ данных CGM гарантирует, что пользователи получают правильную информацию об уровнях глюкозы, моделях и тенденциях. Эта информация напрямую влияет на критические решения о лечении, включая дозирование инсулина, корректировку лекарств, выбор диеты и изменение образа жизни. Когда программное обеспечение точно интерпретирует данные CGM, пациенты могут принимать обоснованные решения, которые сохраняют уровень глюкозы в пределах целевых диапазонов, уменьшая как гипергликемические, так и гипогликемические эпизоды.

Неточный анализ данных, наоборот, может привести к неправильному лечению диабета и увеличению рисков для здоровья. Например, если программное обеспечение недооценивает изменчивость глюкозы или не обнаруживает закономерности ночной гипогликемии, пациенты могут не получить соответствующие корректировки лечения. Аналогичным образом, переоценка времени в диапазоне может обеспечить ложное заверение, что приводит к неадекватному вмешательству, когда контроль глюкозы фактически ухудшается.

Использование непрерывного мониторинга глюкозы (CGM) быстро становится стандартом лечения людей с диабетом, с датчиками CGM, теперь достаточно точными, чтобы управлять автоматизированными системами инсулиновой помпы, такими как системы MiniMed 670G/770G/780G, t:slim X2 с технологией Control-IQ, автоматизированной системой доставки инсулина OmniPod 5, iLet Bionic Pancreas, гибридной системой замкнутого цикла CamAPS FX и Diabeloop. Интеграция CGM с автоматизированными системами доставки инсулина делает точность еще более важной, поскольку эти системы принимают решения о дозировании в режиме реального времени на основе данных датчиков.

Оригинальное название: MARD: The Primary Accuracy Metric

Что такое Мерд?

Согласно Институту стандартов клинической лаборатории (CLSI), «среднее абсолютное относительное различие (MARD) является средним расстоянием (независимо от того, является ли оно положительным или отрицательным и выражается в процентах) между показаниями глюкозы в крови (BG) или CGM и эталонными значениями». MARD - это стандартная метрика, используемая для оценки точности систем непрерывного мониторинга глюкозы, рассчитанная путем получения среднего значения абсолютных относительных различий между показаниями глюкозы, сообщаемыми системой CGM, и соответствующими эталонными измерениями, обычно получаемыми посредством лабораторного анализа или глюкометров крови.

Более низкое значение MARD указывает на большую точность, и оно обычно используется в клинических исследованиях и нормативных оценках для сравнения производительности различных устройств CGM. Как и в гольфе, чем меньше число, тем лучше, и в мире диабета, эта точность имеет решающее значение. Например, FreeStyle Libre 3 был недавно очищен Управлением по контролю за продуктами и лекарствами США с MARD 7,9% в целом, первым CGM, который продемонстрировал значение ниже 8%.

Ограничения и споры, окружающие мир

Хотя MARD стал доминирующей метрикой для оценки точности CGM, недавние исследования выявили значительные ограничения, которые бросают вызов его статусу как окончательной меры производительности датчика. MARD был принят сообществом диабетиков в качестве единственного значения, представляющего аналитическую точность датчика, несмотря на отсутствие клинических исследований, демонстрирующих, что он различает безопасность или клиническую эффективность датчиков в автоматизированных системах доставки инсулина (AID) или автономных устройствах.

Среднее абсолютное относительное различие (MARD) является количественной метрикой, которая была принята сообществом диабетических технологий в качестве основного показателя, который описывает точность датчика глюкозы в один момент времени, но целесообразность этого принятия сомнительна, поскольку есть ограниченные доказательства того, что MARD имеет значимую клиническую значимость в нынешнюю эпоху сенсорной технологии.

MARD может варьироваться в зависимости от нескольких факторов, включая тип диабета и возраст, место износа датчика и процент собранных значений в каждом гликемическом диапазоне во время исследования. Для датчика с общим MARD 9,2%, добавление на 15% больше парных точек SG-BG в гипо- или гипергликемическом диапазоне изменяет MARD от 9,2% до 10,3% и от 9,2% до 8,8% соответственно. Это демонстрирует, как дизайн исследования может значительно изменить зарегистрированные значения MARD, что делает прямые сравнения между различными исследованиями проблематичными.

Значения MARD из клинических исследований не следует использовать вслепую, но следует учитывать и надежность оценки, и не следует игнорировать, что MARD не учитывает ключевую особенность датчиков CGM, частоту измерений.Данные, полученные CGM, не только состоят из значений глюкозы окружающей среды, но и имеют направленный компонент, который необходим алгоритмам, контролирующим автоматическую доставку инсулина, и информировать пользователя автономных устройств CGM о надвигающейся гипо- и/или гипергликемии через оповещения и тревоги.

Основные испытания и реальные данные систем AID с использованием датчиков с MARD 9% (G6) или 10% (GS3) от Dexcom показывают, что алгоритмы AID компенсировали любые из этих незначительных различий с большинством пользователей системы, достигающих согласованных рекомендованных целей TIR или A1C. Этот вывод предполагает, что небольшие различия в MARD могут не приводить к клинически значимым различиям в результатах лечения пациентов, особенно когда датчики интегрированы в автоматизированные системы доставки инсулина.

Клиническое значение значений MARD

До того, как датчики достигли значений MARD около 10%, их можно было использовать для общего отслеживания и трендирования глюкозы, но не для принятия медицинских решений, основанных только на показаниях датчика.Со временем точность улучшилась и стали возможными значения MARD менее 10%, что позволило использовать данные датчика для принятия медицинских решений без подтверждения BGM.

Современные системы CGM обычно достигают значений MARD от 7% до 11%, при этом самые передовые системы достигают значений ниже 8%. Однако проценты MARD могут варьироваться в зависимости от человека, даже при использовании одного и того же устройства. Эта индивидуальная изменчивость означает, что значения MARD на уровне популяции могут не точно отражать точность, которую испытывает любой конкретный пользователь.

Кларк Э. Анализ сетки ошибок: дополнительный подход

Анализ Кларка по ошибке Grid предоставляет альтернативный метод оценки точности CGM, который фокусируется на клинической значимости, а не на чистой численной точности. В отличие от MARD, который рассматривает все ошибки одинаково независимо от уровня глюкозы, Clarke Error Grid классифицирует показания глюкозы на пять зон на основе их клинических последствий:

  • Зона А: Значения в пределах 20% от эталонного датчика или в гипогликемическом диапазоне (ниже 70 мг/дл), когда эталон также гипогликемический.
  • Зона B: Значения, не превышающие 20% от исходного значения, но не приводящие к ненадлежащему лечению. Эти отклонения клинически приемлемы.
  • Зона C: Значения, которые привели бы к ненужным коррекциям лечения.
  • Зона D: Значения, указывающие на потенциально опасный отказ в выявлении гипогликемии или гипергликемии.
  • Зона E: Значения, которые привели бы к лечению, противоположному тому, что на самом деле необходимо, представляющие собой наиболее опасные ошибки.

Для клинического применения системы CGM должны иметь подавляющее большинство показаний (обычно >95%), попадающих в зоны A и B. Этот подход признает, что не все ошибки измерения одинаково важны - ошибка 20% при 200 мг / дл имеет очень разные клинические последствия, чем ошибка 20% при 60 мг / дл.

CLSI использует более целостный подход к метрикам точности датчиков с акцентом на совпадение в нескольких диапазонах глюкозы. Этот многогранный подход к оценке, сочетающий MARD с анализом сетки ошибок и оценками точности в конкретных диапазонах, обеспечивает более полную картину производительности CGM, чем любая одна метрика.

Комплексные методы оценки точности программного обеспечения

Сравнение эталонных измерений

Золотой стандарт оценки точности программного обеспечения для анализа данных CGM включает сравнение результатов программного обеспечения с лабораторными эталонными измерениями.Для вычисления значения MARD следует знать реальное значение BG, но в клинических испытаниях не могут использоваться абсолютные методы измерений BG, и поэтому вместо этого используются другие величины, так называемые эталонные измерения, которые, как предполагается, довольно близки к реальному значению.

Справочные измерения обычно получают с помощью анализаторов глюкозы Yellow Springs Instrument (YSI) или эквивалентных анализаторов глюкозы крови лабораторного уровня. Эти устройства обеспечивают высокоточные точечные измерения глюкозы, по сравнению с которыми можно сравнить показания CGM. Во время валидационных исследований участники подвергаются частым эталонным измерениям при ношении устройств CGM, создавая парные точки данных, которые позволяют вычислять показатели точности.

Опубликованные значения MARD следует понимать не как точные значения, а как показания с некоторой неопределенностью, поскольку часто упускается из виду, что значения MARD, рассчитанные с данными, полученными в ходе клинических исследований, не отражают только точность системы CGM, но сильно зависят от дизайна исследования.

Тестирование эквивалентности между программными платформами

Недавние исследования сравнили точность часто используемых программ непрерывного мониторинга глюкозы (CGM) с амбулаторным профилем глюкозы (AGP) и Dexcom Clarity (DC) при анализе показателей CGM у пациентов с диабетом 1 типа, с данными CGM до 90 дней от 152 взрослых, собранных, и шесть из 19 программ анализа CGM (CDGA, гликулятор, иглу, EasyGV и GLU), выбранных для сравнения.

Для теста на эквивалентность приемлемый диапазон отклонения был установлен как ±2 мг/дл для средней глюкозы, ±2% для времени в диапазоне (TIR), ±1% для времени выше диапазона (TAR), время выше уровня 1 диапазона (TAR1), время выше уровня 2 диапазона (TAR2) и коэффициент вариации (CV). Эти пороги представляют клинически значимые различия - отклонения, меньшие, чем эти значения, вряд ли повлияют на решения о лечении.

Все инструменты были эквивалентны AGP для средней глюкозы, TIR, TAR, TAR1 и TAR2 в указанных диапазонах, и все инструменты были эквивалентны DC для средней глюкозы, TIR и TAR2 в пределах ±2 мг/дл, ±2% и ±1% соответственно.Однако CDGA, Glyculator, cgmanalysis и iglu не были эквивалентны AGP для CV в пределах ±1%, а Glyculator не был эквивалентен для TAR1, TAR и CV, в то время как CGDA, cgmanalysis и iglu не были эквивалентны DC для TAR1 и TAR.

Программы анализа CGM статистически по-разному сообщают о показателях CGM, но эти различия могут быть неприменимы в клинической практике, при этом тест эквивалентности подтверждает, что различия незначительны для МДП и средней глюкозы, в то время как они могут быть важны для гипергликемических диапазонов и CV.

Дополнительные точные метрики

Дополнительные показатели, такие как абсолютная относительная разница точности (PARD), должны использоваться также для получения лучшей оценки производительности CGM для конкретных применений, например, для искусственной поджелудочной железы. PARD измеряет согласованность повторных измерений в аналогичных условиях, обеспечивая понимание точности датчика, а не просто точность.

Другие важные показатели для комплексной оценки программного обеспечения включают:

  • Время в диапазоне (TIR): Процент времени уровней глюкозы остается в пределах целевого диапазона (обычно 70-180 мг/дл)
  • Время выше диапазона (TAR): Процент времени, проведенного при гипергликемии, часто подразделяется на уровень 1 (181-250 мг/дл) и уровень 2 (> 250 мг/дл)
  • Время ниже диапазона (TBR): Процент времени, проведенного в гипогликемии, подразделяется на уровень 1 (54-69 мг/дл) и уровень 2 (<54 мг/дл)
  • Коэффициент вариации (CV): Мера изменчивости глюкозы, при значениях ниже 36%, указывающих на стабильный контроль глюкозы
  • Индикатор управления глюкозой (GMI): Оценка HbA1c на основе средней глюкозы CGM
  • Средняя амплитуда гликемических экскурсий (MAGE): Измеряет величину колебаний глюкозы

Факторы, влияющие на производительность программного обеспечения для анализа данных CGM

Качество данных и предварительная обработка

Обработка больших данных о CGM является сложной задачей в клинических испытаниях, и более надежный анализ данных о CGM требует использования различных методов. Качество входных данных значительно влияет на точность программного обеспечения. Факторы, влияющие на качество данных, включают:

  • Калибровка датчиков: Современные фабричные калиброванные датчики устраняют ошибки калибровки пользователей, но точность калибровки все еще варьируется между производственными партиями.
  • Пробелы в данных: Отсутствие данных из-за сбоев датчиков, прерываний передачи или удаления пользователей влияет на метрические вычисления
  • Периоды разогрева датчика: Начальные показания после введения датчика могут быть менее точными
  • Физиологическое отставание: Физиологические различия между кровью и интерстициальной жидкостью в основном зависят от скорости изменения глюкозы.
  • Помехи: Лекарства, такие как ацетаминофен, могут влиять на некоторые сенсорные химические вещества

Программное обеспечение должно решать эти проблемы качества данных с помощью соответствующих процедур предварительной обработки. Пакеты программного обеспечения сравнивались с точки зрения процедур предварительной обработки, вариантов отображения данных и вычисленных показателей. Эффективная предварительная обработка включает обнаружение и обработку пробелов в данных, интерполяцию недостающих значений, когда это необходимо, и исключение ненадежных данных из расчетов.

Алгоритм сложности

Математические алгоритмы, лежащие в основе программного обеспечения для анализа данных CGM, значительно различаются по сложности. Расширенные алгоритмы включают в себя:

  • Модели машинного обучения: Некоторые современные программы используют машинное обучение для улучшения прогнозов глюкозы и распознавания образов
  • Анализ тенденций: Алгоритмы, которые вычисляют скорость изменения и прогнозируют будущие уровни глюкозы
  • Распознавание шаблонов: Идентификация повторяющихся моделей, таких как явление рассвета или пики после еды
  • Персонализация: Адаптивные алгоритмы, которые изучают индивидуальные паттерны реакции глюкозы с течением времени

Обновленная функциональность программного обеспечения была расширена, чтобы включать автоматизированные вычисления эпизодов гипо- и гипергликемии с соответствующими визуализациями, составные показатели гликемического контроля (индекс риска гликемии и личное гликемическое состояние) и гликемические показатели, связанные с постпрандиальными экскурсиями, с алгоритмом средней амплитуды гликемических экскурсий, обновленным для повышения точности.

Соблюдение международных стандартов

Международный консенсус определил показатели CGM и предложил целевые показатели в 2017 и 2019 годах, соответственно, а в 2023 году различные показатели CGM были определены в качестве основных конечных точек для клинических испытаний, причем некоторые из недавно определенных показателей CGM не были представлены в отчетах производителя амбулаторного профиля глюкозы (AGP) и CGM Международного центра диабета.

Каждый из вычисленных показателей был проанализирован с точки зрения его приверженности международному консенсусу Американской диабетической ассоциации (ADA) 2017 по анализу данных CGM и международному консенсусу ADA 2019 по времени в диапазоне. Программное обеспечение, которое придерживается этих международных стандартов, обеспечивает согласованность в определениях и расчетах метрик, облегчая сравнение результатов на разных платформах и исследованиях.

Регулярные обновления и валидация

Точность программного обеспечения не является статической — для поддержания надежности требуется постоянная проверка и обновления. Мотивировано недавнее заявление международного консенсуса по показателям CGM и рекомендациям из последних обзоров доступного программного обеспечения CGM, были разработаны обновленные версии с улучшенной доступностью и расширенным функционалом.

Регулярные обновления адреса:

  • Решения ошибок, которые могут повлиять на точность расчета
  • Внедрение новых показателей из заявлений о консенсусе
  • Совместимость с новыми CGM-устройствами и форматами данных
  • Улучшения алгоритмов на основе реальных данных о производительности
  • Улучшенные функции визуализации и отчетности

Стандартизация обработки и анализа данных КГМ необходима для клинических исследований, сообщающих о результатах, полученных в результате КГМ. Эта работа по стандартизации продолжается, и профессиональные организации и регулирующие органы работают над созданием общих рамок для анализа данных и отчетности.

Популярные варианты программного обеспечения для анализа данных CGM

Программное обеспечение, предоставляемое производителем

Проприетарная программная платформа Dexcom обеспечивает всесторонний анализ данных из систем Dexcom CGM. Dexcom G7 CGM Systems обеспечивает проверенные результаты с лучшей в своем классе точностью и растущей экосистемой связанных партнеров, которые помогают облегчить бремя жизни с диабетом. Clarity генерирует отчеты AGP, вычисляет стандартные показатели CGM и предоставляет функции распознавания образов. Платформа предлагает как мобильные, так и веб-интерфейсы с возможностями обмена данными для поставщиков медицинских услуг.

Abbott LibreView: Облачная система управления диабетом Abbott работает с системами FreeStyle Libre CGM. Платформа предоставляет отчеты AGP, функции журнала и всеобъемлющую статистику глюкозы. LibreView позволяет осуществлять удаленный мониторинг поставщиками медицинских услуг и генерирует отчеты, которые соответствуют международным консенсусным рекомендациям.

Medtronic CareLink: Программное обеспечение Medtronic для управления диабетом объединяет данные от датчиков Medtronic CGM и инсулиновых насосов. Платформа предоставляет подробные отчеты о моделях глюкозы, доставке инсулина и производительности системы. CareLink особенно ценен для пользователей автоматизированных систем доставки инсулина Medtronic, предоставляя представление о производительности алгоритма и возможностях оптимизации терапии.

Программное обеспечение для третьих сторон и Open Source

На основании целей исследовательской работы выявлено 12 программных пакетов из литературы, опубликованной до декабря 2021 года, а именно: GlyCulator, EasyGV (Easy Glycemic Variability), CGM-GUIDE© (Continuous Glucose Monitoring Graphical User Interface for Diabetes Evaluation), GVAP (Glycemic Variability Analyzer Program), Tidepool, CGManalyzer, cgmanalysis, GLU, CGMStatsAnalyser, iglu, rGV, cgmquantify.

iglu: Разработан пакет R с открытым исходным кодом для помощи в автоматическом вычислении и визуализации метрик CGM, предоставляющий полный список реализованных метрик CGM. Обновленная версия iglu была выпущена в Comprehensive R Archive Network (CRAN) в качестве версии 4, с соответствующей оберткой Python, выпущенной в Python Package Index (PyPI) в качестве версии 1. Обновленная версия iglu предоставляет всеобъемлющее и доступное программное обеспечение для анализа данных CGM, которое отвечает потребностям исследователей с различным уровнем опыта программирования.

rGV: Новый R-пакет rGV вычисляет набор из 16 метрик гликемической изменчивости при предоставлении данных CGM одного человека и является универсальным и надежным, способным обрабатывать данные многих форматов из многих типов датчиков.Спутник R Shiny веб-приложение предоставляет эти инструменты анализа гликемической изменчивости без предварительного знания R-кодирования.

cgmanalysis: Пакет R, специально разработанный для описательного анализа данных CGM. Программное обеспечение обеспечивает стандартизированные вычисления общих показателей CGM и генерирует готовые к публикации визуализации. Он был проверен на коммерческих платформах CGM и показал, что он дает эквивалентные результаты для основных показателей.

GlyCulator: GlyCulator 3.0 описывается как быстрый, простой в использовании аналитический инструмент для анализа данных cgm, агрегации, центрального бенчмаркинга и обмена данными.Это программное обеспечение обеспечивает графический пользовательский интерфейс, который делает расширенный анализ CGM доступным для пользователей без опыта программирования.

Tidepool: Платформа с открытым исходным кодом некоммерческой организации, которая объединяет данные из нескольких устройств для лечения диабета, включая различные системы CGM, инсулиновые помпы и глюкометры крови. Tidepool предоставляет инструменты визуализации, возможности экспорта данных и позволяет обмениваться данными с поставщиками медицинских услуг. Платформа подчеркивает переносимость данных и владение пациентом медицинской информацией.

EasyGV: Программное обеспечение, ориентированное конкретно на анализ гликемической изменчивости. EasyGV вычисляет множественные показатели изменчивости и предоставляет инструменты статистического анализа. Платформа особенно полезна для исследовательских приложений, где требуется детальная оценка изменчивости.

Специализированные исследовательские инструменты

GLU: Комплексный программный пакет, предназначенный для исследовательских приложений. GLU поддерживает несколько форматов данных CGM и обеспечивает обширные метрические вычисления, согласованные с международными консенсусными руководящими принципами. Программное обеспечение включает в себя расширенные возможности статистического анализа и пакетную обработку для больших наборов данных.

AGATA: AGATA описывается как Toolbox для автоматического анализа данных глюкозы. Это программное обеспечение на основе MATLAB обеспечивает автоматизированные рабочие процессы анализа и расширенные возможности визуализации для исследовательских приложений.

CGM-GUIDE: Графический инструмент на основе пользовательского интерфейса, который обеспечивает комплексный анализ данных CGM без необходимости знания программирования.Программное обеспечение поддерживает несколько форматов устройств и генерирует стандартизированные отчеты, подходящие для клинического использования.

Сравнительная производительность различных программных платформ

Соглашение между программными инструментами

Исследования сравнивали пакеты программного обеспечения с открытым исходным кодом, доступные для анализа данных CGM, с данными CGM субъектов с диабетом 1 типа, проанализированными с обоими программами для сравнения показателей.Исследовано соглашение между показателями, рассчитанными с помощью различных программ и инструментов.

Результаты исследований показывают, что, хотя большинство программных платформ дают аналогичные результаты для базовых показателей, таких как средняя глюкоза и время в диапазоне, могут возникнуть значительные различия для более сложных расчетов. Степень согласия зависит от нескольких факторов:

  • Метрическая сложность: Простые показатели, такие как средняя глюкоза, показывают высокое согласие между платформами, в то время как сложные показатели изменчивости могут существенно отличаться
  • Предварительная обработка данных: Различные подходы к обработке отсутствующих данных и выбросов могут привести к различным результатам
  • Методология расчета: Даже при вычислении одной и той же метрики тонкие различия в методах расчета могут производить разные значения
  • Окружение и точность: Различия в численной точности и округлении могут накапливаться, особенно для производных метрик

Клиническая значимость различий в программном обеспечении

Хотя статистические различия между программными платформами являются общими, их клиническая значимость варьируется. Для основных показателей, используемых в решениях о лечении - средняя глюкоза, время в диапазоне и время ниже диапазона - большинство проверенных программных платформ дают клинически эквивалентные результаты. Различия 1-2% во времени в диапазоне или 2-3 мг / дл в средней глюкозе статистически выявляются, но вряд ли изменят клиническое управление.

Однако для таких показателей, как коэффициент вариации и расширенные показатели гликемической изменчивости, различия в программном обеспечении могут быть более существенными и потенциально клинически значимыми. Это особенно важно в условиях исследований, где эти показатели служат конечными точками исследования, и в клинических сценариях, где оценка изменчивости направляет решения об интенсификации терапии.

Производитель vs. Стороннее программное обеспечение

Программное обеспечение, предоставляемое производителем, предлагает ряд преимуществ, включая бесшовную интеграцию устройств, автоматическую загрузку данных и удобные интерфейсы, предназначенные для пациентов и клиницистов. Эти платформы проходят тщательную проверку и нормативный обзор в рамках общего процесса утверждения системы CGM.

Программное обеспечение с открытым исходным кодом и сторонним программным обеспечением предоставляет различные преимущества:

  • Агностика устройств: Может анализировать данные от нескольких брендов CGM, позволяя сравнивать и обеспечивать непрерывность при переключении устройств
  • Передовые метрики: Часто внедряют новые или более специализированные метрики, еще не доступные в программном обеспечении производителя
  • Настройка: Инструменты с открытым исходным кодом позволяют исследователям изменять вычисления или добавлять новые функции
  • Прозрачность: Открытые алгоритмы позволяют проверять методы расчета и выявлять потенциальные проблемы
  • Исследовательский фокус: Предназначен для поддержки научных исследований с пакетной обработкой и расширенными статистическими возможностями

Выбор между производителем и сторонним программным обеспечением зависит от случая использования. Для обычной клинической помощи программное обеспечение производителя обычно обеспечивает наиболее оптимизированный опыт. Для исследовательских приложений или при анализе данных из нескольких типов устройств сторонние инструменты предлагают большую гибкость и возможности.

Новые тенденции в анализе данных CGM

Искусственный интеллект и машинное обучение

Интеграция искусственного интеллекта и машинного обучения в анализ данных CGM представляет собой значительную эволюцию за пределами традиционных статистических подходов. Алгоритмы машинного обучения могут идентифицировать сложные закономерности в данных глюкозы, которые могут быть не очевидны с помощью обычного анализа, в том числе:

  • Прогнозное моделирование: Алгоритмы, которые прогнозируют будущие уровни глюкозы на основе текущих тенденций, исторических моделей и контекстуальных факторов, таких как питание и активность
  • Персонализированные идеи: Системы, которые изучают индивидуальные модели реакции глюкозы и предоставляют индивидуальные рекомендации
  • Обнаружение аномалий: Автоматизированная идентификация необычных моделей, которые могут указывать на неисправность датчика, болезнь или другие проблемы, требующие внимания
  • Стратификация риска: Прогнозирование риска гипогликемии или гипергликемии на основе множественных потоков данных

Эти возможности, расширенные с помощью ИИ, начинают появляться как в программном обеспечении производителя, так и в сторонних приложениях, хотя валидация моделей машинного обучения для клинического использования остается активной областью исследований и нормативных разработок.

Интеграция с другими данными о здоровье

Современный анализ данных CGM все чаще включает информацию, выходящую за рамки одних только показаний глюкозы. Интеграция с другими источниками данных обеспечивает более богатый контекст для моделей глюкозы:

  • Данные о доставке инсулина: Из интеллектуальных ручек или инсулиновых насосов, позволяющих анализировать отношения глюкозы и инсулина
  • Физическая активность: От фитнес-трекеров или датчиков смартфонов, коррелирующих физические упражнения с реакциями глюкозы
  • Информация о питании: Из приложений для регистрации продуктов питания, соединяющих приемы пищи с экскурсиями по постпрандиальной глюкозе
  • Данные сна: Анализ ночных моделей глюкозы в отношении качества и продолжительности сна
  • Стресс и настроение: Изучение психологических факторов, влияющих на контроль глюкозы

Эта мультимодальная интеграция данных позволяет более комплексно управлять диабетом, выходя за рамки мониторинга глюкозы в одиночку для комплексной оптимизации здоровья.

Анализ в реальном времени и поддержка принятия решений

В то время как традиционный анализ данных CGM сосредоточен на ретроспективном обзоре моделей глюкозы, новое программное обеспечение обеспечивает анализ в реальном времени и поддержку принятия решений. Эти системы постоянно анализируют поступающие данные глюкозы и обеспечивают немедленную обратную связь:

  • Предупреждающие предупреждения: Предупреждения о надвигающейся гипогликемии или гипергликемии до их возникновения
  • Рекомендации по дозированию: Предложения по коррекции инсулина или потреблению углеводов на основе текущей глюкозы и тенденций
  • Руководство по активности: Рекомендации о времени или интенсивности упражнений на основе состояния глюкозы
  • Время приема пищи: Предложения по оптимальному времени приема пищи на основе тенденций глюкозы

Эти возможности в режиме реального времени превращают CGM из инструмента мониторинга в активного помощника по лечению диабета, хотя они требуют высокой точности и надежности для обеспечения безопасных рекомендаций.

Усилия по стандартизации

Сообщество диабетических технологий продолжает работу по повышению стандартизации в анализе данных о КГМ. Ключевые инициативы включают:

  • Общие форматы данных: Разработка стандартизированных форматов файлов для обмена данными CGM
  • Метрические определения: Консенсусные утверждения, точно определяющие методы расчета для всех стандартных метрик
  • Стандарты отчетности: Шаблоны для AGP и других стандартных отчетов для обеспечения согласованности
  • Протоколы проверки: Стандартизированные методы проверки новых программных средств
  • Требования к совместимости: Технические стандарты, позволяющие обмениваться данными между различными системами

Эти усилия по стандартизации направлены на то, чтобы независимо от того, какое устройство или программное обеспечение для анализа CGM использует пациент, они получали последовательную и точную информацию, которая поддерживает оптимальное управление диабетом.

Практические соображения по выбору программного обеспечения для анализа CGM

Для пациентов и опекунов

При выборе программного обеспечения для анализа данных CGM для управления личным диабетом, рассмотрите:

  • Совместимость устройств: Убедитесь, что программное обеспечение работает с вашей конкретной системой CGM
  • Простота использования: Ищите интуитивно понятные интерфейсы, которые не требуют технических знаний.
  • Мобильная доступность: Приложения для смартфонов позволяют просматривать данные на ходу
  • Обмен данными: Возможность делиться отчетами с поставщиками медицинских услуг, членами семьи или лицами, осуществляющими уход.
  • Качество визуализации: Четкие, понятные графики и отчеты, которые облегчают распознавание образов
  • Настройка гибких настроек оповещения, соответствующих индивидуальным потребностям и предпочтениям
  • Стоимость: Рассмотрим, требует ли программное обеспечение абонентской платы или включено в систему CGM.

Для большинства пациентов программное обеспечение, предоставляемое производителем, предлагает наилучшее сочетание простоты использования, надежности и интеграции с их системой CGM. Сторонние варианты могут быть ценными для тех, кто использует несколько устройств или ищет конкретные функции, недоступные в программном обеспечении производителя.

для поставщиков медицинских услуг

Клиницисты, оценивающие программное обеспечение для анализа CGM, должны уделять приоритетное внимание:

  • Поддержка нескольких устройств: Возможность просмотра данных пациентов с использованием различных брендов CGM
  • Соответствие AGP: Поколение стандартизированных отчетов AGP для последовательной интерпретации
  • Эффективность: Возможность быстрого анализа данных для занятых клинических рабочих процессов
  • Интеграция: Совместимость с электронными системами записи медицинских карт
  • Дистанционный мониторинг: Возможность просмотра данных о пациентах между посещениями
  • Регуляторное соответствие: Соответствие HIPAA и соответствующие меры безопасности данных
  • Обучение и поддержка: Наличие учебных ресурсов и техническая поддержка

Многие системы здравоохранения используют несколько программных платформ для размещения пациентов с различными устройствами CGM, хотя это может создать проблемы рабочего процесса. Такие платформы, как Tidepool, которые объединяют данные из нескольких типов устройств, предлагают потенциальные решения для этой фрагментации.

Для исследователей

Приложения для исследований имеют различные требования:

  • Метрическая комплексность: Реализация всех консенсус-определенных метрик плюс специализированные исследовательские метрики
  • Обработка данных: Способность эффективно анализировать большие наборы данных
  • Таможенная обработка: Варианты изменения вычислений или реализации новых метрик
  • Экспорт данных: Гибкие варианты экспорта для статистического анализа в другом программном обеспечении
  • Прозрачность: Четкая документация методов расчета для публикации
  • Проверка: Опубликованные исследования валидации, демонстрирующие точность
  • Управление версиями: Возможность точного указания версии программного обеспечения, используемой для воспроизводимости

Инструменты с открытым исходным кодом, такие как иглу, rGV и cgmanalysis, особенно хорошо подходят для исследовательских приложений, предлагая прозрачность и настройку, которые требуются для научной работы.Однако исследователи должны тщательно документировать, какую версию программного обеспечения и настройки они используют для обеспечения воспроизводимости результатов.

Обеспечение качества и валидация

Тестирование и валидация программного обеспечения

Тщательное тестирование и валидация имеют важное значение для обеспечения точности программного обеспечения для анализа данных CGM. Всесторонняя валидация должна включать:

  • Проверка расчета: Проверка метрических расчетов на основе ручных расчетных значений или эталонных реализаций
  • Тестирование крайних случаев: Оценка производительности с необычными шаблонами данных, отсутствующими данными и экстремальными значениями
  • Сравнение кросс-платформенных данных: Сравнение результатов с другими проверенными программами с использованием идентичных наборов данных
  • Клиническая валидация: Подтверждение того, что выходы программного обеспечения приводят к соответствующим клиническим решениям
  • Пользовательское тестирование: Оценка юзабилити и выявление потенциальных источников ошибок пользователя
  • Тестирование производительности: Обеспечение эффективной работы программного обеспечения с большими наборами данных

Опубликованные исследования валидации дают важные доказательства надежности программного обеспечения. При оценке программного обеспечения ищите рецензируемые публикации, документирующие методологию валидации и результаты.

Постоянный мониторинг качества

Точность программного обеспечения не является одноразовым достижением, но требует постоянного мониторинга и обслуживания.

  • Слежение за багами: Системы для выявления и устранения ошибок расчета
  • Отзывы пользователей: Механизмы для пользователей, сообщающих о проблемах или неожиданных результатах
  • Регулярные обновления: Запланированные обновления программного обеспечения для решения выявленных проблем
  • Регрессионное тестирование: Обеспечение того, чтобы обновления не вводили новых ошибок
  • Мониторинг производительности: Отслеживание показателей производительности программного обеспечения с течением времени

Пользователи должны быть в курсе обновлений программного обеспечения и устанавливать их быстро, так как обновления часто включают важные улучшения точности или исправления ошибок.Поставщики медицинских услуг должны установить процессы для проверки того, что данные, сообщенные пациентом, кажутся разумными и исследуют любые неожиданные или противоречивые результаты.

Регулятивные соображения

Программное обеспечение для анализа данных CGM может подвергаться нормативному надзору в зависимости от его предполагаемого использования и требований. В Соединенных Штатах FDA регулирует программное обеспечение как медицинское устройство, когда оно предназначено для диагностики, лечения или профилактики заболеваний. Программное обеспечение, которое просто отображает или хранит данные CGM, может не требовать разрешения FDA, в то время как программное обеспечение, которое предоставляет рекомендации по лечению или принимает клинические решения, обычно делает.

Регуляторный ландшафт для программного обеспечения для лечения диабета продолжает развиваться, и агентства работают над балансом инноваций с безопасностью пациентов.

  • Преднамеренное использование: Влияет ли программное обеспечение на профессиональные или пациентские требования
  • Классификация рисков: Приложения с более высоким риском сталкиваются с более строгими нормативными требованиями
  • Клиническая валидация: Требования к доказательствам для демонстрации безопасности и эффективности
  • Кибербезопасность: Требования к защите данных пациентов и предотвращению несанкционированного доступа
  • Совместимость: Стандарты обмена данными с другими медицинскими устройствами и системами

Медицинские работники и пациенты должны убедиться, что используемое ими программное обеспечение имеет соответствующий нормативный допуск или одобрение для его предполагаемого применения.В то время как инструменты исследования и приложения для личного здоровья могут не требовать одобрения регулирующих органов, программное обеспечение, используемое для принятия клинических решений, должно соответствовать применимым нормативным стандартам.

Будущие направления и вызовы

Устранение существующих ограничений

Несмотря на значительные успехи, программное обеспечение для анализа данных CGM сталкивается с текущими проблемами:

  • Пробелы в стандартизации: Продолжающаяся изменчивость в метрических определениях и методах расчета на разных платформах
  • Препятствия в области совместимости: Трудности в обмене данными между различными системами и устройствами
  • Управление сложностью: Балансировка комплексного анализа с удобной презентацией
  • Индивидуальная изменчивость: Учет индивидуальных различий в моделях глюкозы и ответах
  • Интеграция контекста: Включение соответствующей контекстной информации без подавляющего числа пользователей
  • Обязательство проверки: Время и стоимость, необходимые для проверки новых функций программного обеспечения

Решение этих проблем требует сотрудничества между производителями устройств, разработчиками программного обеспечения, исследователями, клиницистами, пациентами и регулирующими органами. Для реализации полного потенциала технологии CGM необходимы общеотраслевые инициативы по установлению общих стандартов и содействию совместимости.

Новые возможности

Будущее анализа данных CGM открывает перед нами захватывающие возможности:

  • Точная медицина: Высоко персонализированный анализ и рекомендации, основанные на индивидуальных характеристиках и ответах
  • Прогнозная аналитика: Продвинутое прогнозирование тенденций глюкозы и осложнений диабета
  • Автоматизированная корректировка терапии: Системы замкнутого цикла, которые автоматически оптимизируют лечение на основе данных CGM
  • Управление здоровьем населения: Агрегированный анализ данных о КГМ для выявления тенденций и улучшения оказания медицинской помощи
  • Интеграция с другими биомаркерами: Комбинированный анализ глюкозы с другими метаболическими маркерами для комплексной оценки состояния здоровья
  • Поведенческие идеи: Понимание психологических и поведенческих факторов, влияющих на контроль глюкозы

Поскольку технология CGM продолжает развиваться и расширяться за пределы традиционных популяций диабета, включая преддиабет и общие оздоровительные приложения, программное обеспечение для анализа данных должно адаптироваться для обслуживания этих более широких случаев использования при сохранении точности и надежности, необходимых для медицинских применений.

Заключение

Оценка точности программного обеспечения для анализа данных CGM является сложной, но важной задачей для оптимизации управления диабетом. В то время как такие показатели, как MARD, обеспечивают полезные ориентиры для точности датчиков, они имеют важные ограничения и должны рассматриваться наряду с другими мерами, такими как анализ Кларка Ошибки, точность диапазона и данные о клинических результатах. Выбор программного обеспечения для анализа значительно влияет на выводы, полученные из данных CGM, с различными платформами, показывающими различные уровни согласия для разных показателей.

Для основных показателей, используемых в клиническом принятии решений - средняя глюкоза, время в диапазоне и время ниже диапазона - большинство проверенных программных платформ дают клинически эквивалентные результаты. Однако различия могут быть более существенными для передовых показателей изменчивости и специализированных расчетов. Факторы, влияющие на производительность программного обеспечения, включают качество данных, сложность алгоритма, соблюдение международных стандартов и постоянные усилия по проверке.

Как предоставляемые производителем, так и сторонние варианты программного обеспечения предлагают различные преимущества, при этом оптимальный выбор зависит от конкретного случая использования. Пациенты и лица, осуществляющие уход, обычно получают выгоду от бесшовной интеграции и удобных интерфейсов программного обеспечения производителя, в то время как исследователи и клиницисты, анализирующие данные из нескольких типов устройств, могут предпочесть гибкость сторонних инструментов. Новые тенденции, включая искусственный интеллект, мультимодальную интеграцию данных и поддержку принятия решений в режиме реального времени, обещают еще больше повысить ценность анализа данных CGM.

По мере развития этой области постоянные усилия по стандартизации, валидации и совместимости будут иметь решающее значение для обеспечения того, чтобы все пользователи, независимо от того, какие устройства или программное обеспечение они используют, получали точную, надежную информацию, которая поддерживает оптимальное управление диабетом и улучшение результатов в области здравоохранения. поставщики медицинских услуг, пациенты и исследователи должны быть в курсе возможностей и ограничений программного обеспечения, выбирать инструменты, соответствующие их потребностям, и участвовать в усилиях по продвижению области посредством обратной связи, исследований и пропаганды.

Для получения дополнительной информации о технологии непрерывного мониторинга глюкозы и управлении диабетом посетите Американскую диабетическую ассоциацию , JDRF или Комитет по профессиональной практике ADA для руководящих принципов клинической практики. Исследователи, заинтересованные в инструментах анализа данных CGM, могут изучить варианты с открытым исходным кодом через хранилища, такие как GitHub и ознакомиться с последними консенсусными заявлениями по показателям CGM, опубликованными в ведущих журналах по диабету.