Individualizada predicción de resultados de glucosa en sangre mediante análisis de datos composicionales
Autores: Cabrera, Alvis; Estremera, Ernesto; Beneyto, Aleix; Biagi, Lyvia; Contreras, Iván; Martín-Fernández, Josep Antoni; Vehí, Josep
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Modelo de regresión lineal individualizado
Glucosa en sangre
Diabetes tipo 1
Estado glucémico
Sensibilidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
Este documento presenta un modelo de regresión lineal múltiple individualizado basado en datos composicionales donde se predicen la media y el coeficiente de variación de la glucosa en sangre en individuos con diabetes tipo 1 a largo plazo (2 y 4 h). A partir de estas predicciones, estimamos los valores mínimos y máximos de glucosa para proporcionar un estado glucémico futuro. La metodología propuesta ha sido validada utilizando un conjunto de datos de 226 pacientes adultos reales con diabetes tipo 1 (Reemplazar BG (NCT02258373)). Los resultados obtenidos muestran una precisión equilibrada y una sensibilidad medianas de más del 90% y 80%, respectivamente. Se ha implementado y validado un sistema de información para actualizar a los pacientes sobre su estado glucémico y los riesgos asociados para las próximas horas.
Descripción
Este documento presenta un modelo de regresión lineal múltiple individualizado basado en datos composicionales donde se predicen la media y el coeficiente de variación de la glucosa en sangre en individuos con diabetes tipo 1 a largo plazo (2 y 4 h). A partir de estas predicciones, estimamos los valores mínimos y máximos de glucosa para proporcionar un estado glucémico futuro. La metodología propuesta ha sido validada utilizando un conjunto de datos de 226 pacientes adultos reales con diabetes tipo 1 (Reemplazar BG (NCT02258373)). Los resultados obtenidos muestran una precisión equilibrada y una sensibilidad medianas de más del 90% y 80%, respectivamente. Se ha implementado y validado un sistema de información para actualizar a los pacientes sobre su estado glucémico y los riesgos asociados para las próximas horas.