Роль іоту в детекції та попередження діабетичної кетокисдозу

Кетони датчики та багатопараметричний моніторинг

При гіперглікемії є попередженням, дефінтивний біомаркер для DKA є наявністю підвищених кетонів. Традиційні тести для сечі мають незручний, схильний до помилкових негативних речовин, і забезпечують лише знімну інформацію. Інтегровані лічильники клітин, такі як Keto-Mojo або Nova Max Plus, можуть передавати читання через Bluetooth до смартфона, але вони все ще обмежені для виявлення плям. Ранній чутливість DKA полягає в безперервному контрольі кетонів. Дослідники розвиваються зносостійкі датчики, які використовують ферментативні або електрохімічні методи, щоб вимірювати бета-гідроксибути в міжміці, виявлення 90%

Смарт-інсулінові ручки і з'єднувальні насоси

У порівнянні з даними, що містяться в глибині, можуть бути використані для захисту від відповідальності за допомогою діагностичних систем.

Профілактичні стратегії, що використовуються для даних Інтернету речей

Потужність Інтернету речей не просто в моніторингу, але в перекладі сировини в дії, що діє. Три основні профілактичні стратегії виникають з підключеної технології діабету: персоналізовані сповіщення, прогнозна аналітика та інтеграція телемедицини.

Ведуться роботи з пацієнтами та лікарями

Більшість платформ CGM дозволяють користувачам встановлювати високоглюкозні та номінальні сповіщення. Для профілактики DKA рекомендується багаторівнева система оповіщення. Наприклад, читання глюкози над 250 мг/dL може викликати нагадування для перевірки кетонів. Якщо глюкоза перевищує 350 мг/дл протягом години, термінове сповіщення надіслав як хворому, так і невідкладний контакт. Деякі платформи IoT, такі як Dexcom слідувати або LibreLinkUp, дозволяють відволікатися на отримання цих повідомлень віддалено, що особливо вигідно для дітей, людей старших, або тих, хто живе окремо. У 2020 році обстеження дітей цукрового діабету 1 типу Demia 84

Вирокові аналітичні та машинні моделі

За допомогою агрегації історичних даних КГМ, дози інсуліну, журналів харчування та рівнів активності, алгоритми машинного навчання можуть визначити закономірності, які передують епізодам ДКА. Наприклад, модель, що навчається на більш ніж 10000 пацієнтів-літній групі даних ЦГМ, здатна прогнозувати ризик ДКА 12 до 24 годин заздалегідь з зоною під ресівером, що працює характерна крива (АУРОК) 0,87 (2019 дослідження, Журнал діабетських моделей Наука та технології]). Ці передбачувані моделі включають змінні показники, як час в гіперглікемії, швидкість заплідності глюкози, частота, частота генерація за допомогою цуценції цула, що цуценції цуценят, може генерувати цуценят

Телемедицина та дистанційне управління пацієнтами

Дані IoT живляться безпосередньо в робочі процеси телемедицини, що дозволяють ендокринологам, сертифікованим цукровим діабетом, і дієтологам переглядати тенденції глюкози та кетонів пацієнта віддалено. Платформи, такі як Глооко, Тідепул, а також сукупні дані про від декількох пристроїв до однієї панелі. Клініки можуть встановлювати сповіщення рівня популяції (наприклад, всі пацієнти з кров'ю глюкози > 300 мг/дл протягом більше 8 годин протягом минулого тижня) для попереднього вивчення слідування. У 2021 р. рандомізоване контрольоване дослідження, теле інтервенційне лікування зон, що поєднуються з даними КГМ, особливо з щотижневим зниженням доступу до цього продукту.

Кейсінг та вплив на світовий досвід

Кілька систем охорони здоров'я та цукрових центрів показали ефективність програми профілактики IoT на основі DKA. У Університеті Каліфорнія Сан-Франциско пілотна програма оснащена 150 пацієнтів з CGM, смарт-дозлінними ручками, а також виділеним медичним навігатором, який щодня моніторив дані. За 12 місяців програма досягла 60% скорочення діагностичних систем DKA порівняно з історичною групою управління. Навігатор медсестри зміг визначити та вирішувати проблеми, такі як інфузійні заготовки та пропущені болуси протягом годин, а не днів. Аналогічно, Collaborative T1D Exchange повідомила, що клініки, що впроваджують руальні місця CGM та дистанційного моніторингу, які беруть участь у середньому 30%, за середньо-поглиблення порівняно з середньомісячних болів за середньою, за середньою швидкістю DKA, за допомогою середніх за допомогою середніх за допомогою середніх за допомогою середніх показників DKA, за допомогою середніх показників DKA, за допомогою середньострокових показників DKA, за допомогою середньострокових показників DKA, за допомогою середніх показників, за годину, за допомогою середніх показників DKA, за допомогою середніх показників, за допомогою середньо

Ще один приклад виходить з програми NHS діабету Великобританії, яка розгорталася віддалена моніторингова платформа для дітей з діагностикою цукрового діабету 1 типу. Сім'ї отримали CGM і смартфон додаток, який поділився даними з командою цукрового діабету. Платформа запустив автоматизовані освітні повідомлення, коли глюкоза перевищила 300 мг/дл. За перші три місяці після діагностики, жоден з 80 дітей досвідчений DKA, у порівнянні з очікуваною швидкістю 5-10% на основі історичних даних. Ці випадки, що підкреслюють потенціал Інтернету речей, щоб трансформувати DKA з загальної причини госпіталізації в багатопожежну профілактичну подію

Виклики та обмеження Інтернету речей у DKA

Незважаючи на обіцянку, суттєві бар’єри, які перешкоджають поширенню Інтернету речей для виявлення та запобігання DKA. До них відносяться витрати пристрою та доступ, перевантаження даних, проблеми взаємозабезпечення, дотримання користувачів та проблеми з конфіденційності даних.

Вартість та доступ

Безперервні монітори глюкози та смарт-інсулінові насоси є дорогою. У Сполучених Штатах коробка датчиків CGM коштує між 300 і 400 доларів в середньому, і насоси можуть перевищувати $5,000 з кишені. Хоча покриття страхування покращилося - особливо після того, як Medicare розширився покриття CGM в 2017 році - люди все ще стикаються з високими дедуктивними або незліченними. Низькокомінтерактивними населеннями, які також мають більш високий ризик для DKA через соціальні детермінанти здоров'я, принаймні, ймовірно, мають доступ до пристроїв Інтернету речей. Інноваційні моделі оплати, такі як пристрій-as-сервісні підписки або куплені платежі для управління діабетом, є необхідною, що є необхідною, що є необхідною, що є меншою, що є необхідною, що є необхідною, що є необхідною, щоб мати достатність для управління, що є необхідною для забезпечення високої якості, що є необхідної для забезпечення високої якості, що є необхідної для управління діабету.

Перевантаження даних і поглинання жиру

Пристрої IoT генерують безперервний потік оповіщення, а не високий глюкоза, низький глюкоза, швидкість зміни, пропущені нагадування болуса, помилки датчика. Хоча кожен оповіщення є клінічно актуальним, об'єм Sheer може пересуватися пацієнтів і клінік. A 2022 опитування користувачів CGM виявили, що 38% відчужливої втоми, з 15% відключення сигналів повністю. Для профілактики DKA це проблема, тому що пацієнти можуть ігнорувати дуже оповіщення, призначені для запобігання кризи. Щоб пом'якшити це, виробники пристроїв є введення налаштовані пороги, адаптивні сигнали, які мишують некриті події, а також контекстне сповіщення (наприклад, що ви повинні мати 2, що

Стандартизація та стандартизування даних

Екосистема для діабету IoT включає пристрої з декількох виробників, кожен з власних фірмових даних формат і протокол зв'язку. Пацієнт використовує Dexcom CGM, Omnipod насос і додаток MySugr може знайти, що дані не можуть бути легко поєднані на одній платформі. Хоча галузеві ініціативи, як Diabetes Data Exchange (D2D) і стандарт IEEE 11073, спрямовані на просування взаємопроникності, прогрес був повільним. Відсутність інтеграційних сил клініки, щоб увійти в кілька порталів, зниження ефективності і збільшення ризику, що критичні DKA попереджувальні ознаки пропущені. Відкриті системи, як Nightscout і Tidepool Loop показали живлення клінічних захворювань, але їх нормативних перешкод і обмежень

Відповідача користувачів та навчання

Пристрої IoT є тільки ефективним, якщо використовуються правильно. Похибки вставки датчиків, порушення калібрування (в моделях CGM), погана адгезію шкіри, а також відмова від передавачів може призвести до розривів даних. Крім того, пацієнти повинні розуміти, як реагувати на оповіщення, наприклад, знаючи, що високоподаткова оповіщення поєднуються з виростом лінії на графіку тенденції гарантує контроль кетона і можливе виправлення інсуліну, не просто закуска. Недостатньо тренінг є відомим драйвером DKA в нових користувачів CGM. Будована програма освіти, такі як Dose Регультація для нормального використання (DAFNE) зараз, включаючи пристрої для максимального навчання, щоб забезпечити максимальні переваги

Безпека даних та конфіденційність

Безперервна передача даних охорони здоров'я через хмару підвищує дійсність стосується несанкціонованого доступу та порушень даних. У 2020 році виробник насосів інсуліну розкриває вразливість, яка може дозволити атакуючого на дистанційно регулювати параметри насоса, потенційно викликати надозування інсуліну або піддозу - парі, які можуть преципітувати DKA. При цьому протоколи шифрування та автентифікації продовжують покращувати, пацієнти та постачальники повинні залишитися пильними. Нормативні органи, включаючи FDA, тепер вимагають управління ризиками кібербезпеки для всіх класів II та III підключених медичних пристроїв

Майбутнє Інтернету речей у DKA

Наступний покоління IoT для діабету переходить до повністю автономних, багатоаналітних систем, які можуть запобігти DKA без необхідності будь-якої свідомості дії від користувача. Ключові розробки включають інтеграцію безперервного контрольного кертона в датчики CGM, штучний інтелект, який вивчає індивідуальні вимоги до інсуліну, і зносні біореектори, які можуть звільнити інсулін або глюкон на вимогу.

Багатоаналітові зносостійкі

Кілька компаній розвиваються одномісні патчі, які вимірюють глюкози, кетони, лактат і електроліти одночасно. Ці пристрої спираються на гнучкі сенсорні масиви, які можна носити протягом 14 днів. Поєднуючи глюкози і кеттонові дані, система може скласти індекс глюкози-кетоне, показано для прогнозування DKA насетці з більшою чутливістю, ніж будь-який біомаркер. Ранні клінічні випробування багатоаналітного патч (проводиться Університетом Каліфорнія, Сан Дієго) продемонстрували 95% точність для рівнів кетоне в діапазоні, що відповідає DKA (0.1-3.0 ммоль/L)

Рішення про врегулювання краю та прийняття рішень про надання послуг

Замість релізації виключно на хмарній аналітикі, майбутні пристрої Інтернету оброблятимуть дані локально за допомогою вбудованих чіпів машинного навчання. Це мінімізація затримки, критична для час-чутливих попередження DKA, а також зменшує залежність від підключення до Інтернету. Наприклад, розумний інсуліновий насос з настройкою AI може виявити візерунки інсулінорезистентності та негайно збільшити балансову доставку без очікування відповіді на хмарний сервер. Tandem t:slim X2 вже використовує локалізовані алгоритми для прогнозування низького рівня глюкози; аналогічна логіка для високого глюкози та підвищення рівня кетонів під розвитком

Закриті системи для запобігання ДКА

Кінцевий захист IoT проти DKA є повністю закритим штучним підшлунковим, який автоматично регулює інсулін і, якщо це потрібно, забезпечує глюкон для запобігання важких гіперглікемії. Біонік підшлункової залози iLet, який отримав FDA в 2023 році, використовує алгоритм навчання, який адаптує до фізіології користувача з часом. У фазі 3 випробування система iLet зменшила частоту DKA до 0,2% від навчальних днів - нижче, ціни, які бачили з стандартною терапії. Хоча ці системи ще не широко доступні, траєкторія пропонує, але більшість людей з найбільшою кількістю пристроїв DKA може мати доступ до 1 діабету

Висновок

Інтернет речей є фундаментально трансформуючи виявлення та профілактику діабетичної кетоказидозу від реактивної, клінічної моделі до проактивної, пацієнт-центричної. Забезпечуючи безперервні, в режимі реального часу дані про глюкозу, кеттони та інсулін доставка, пристрої Інтернету речей дозволяють ранні попередження, прогнозну аналітику та безшовне спілкування між пацієнтами та клініками. Свідчення — від рандомізованих випробувань до проектів з покращення якості реального світу — це свідчить, що підключена технологія діабету знижує госпіталізацію DKA на 30% до 60%. Однак, що це потенційне значення на масштабі населення вимагає подолання бар’єрів вартості, оповіщення