利用进餐吸收与体育锻炼信息增强血糖预测
组织与器官
2024-12-20 v1 系统与控制
系统与控制
摘要
目的：已提出众多血糖预测算法以助力1型糖尿病（T1D）管理。这些算法大多仅考虑葡萄糖、胰岛素和碳水化合物等输入，限制了其性能。在此，我们提出一种新颖的血糖预测算法，其在标准输入之外还考虑进餐吸收与体育锻炼信息，以提升预测精度。方法：采用葡萄糖-胰岛素动力学房室模型结合用于状态估计的反卷积技术进行血糖预测。使用了来自UVa-Padova模拟器10名成年受试者的计算机仿真数据，以及来自10名T1D成年受试者的临床数据。最后，与一种基于带外生输入的潜变量（LVX）模型的已验证血糖预测算法进行比较。结果：对于60分钟的预测时域，考虑进餐吸收与体育锻炼改善了血糖预测精度。具体而言，均方根误差（mg/dL）由26.68降至23.89，p<0.001（计算机仿真数据）；由37.02降至35.96，p<0.001（临床数据——仅进餐信息）。此种精度提升转化为低血糖与高血糖预测的显著改善。最后，所提算法性能在统计上优于LVX算法（26.68对32.80，p<0.001（计算机仿真数据）；37.02对49.17，p<0.01（临床数据））。结论：考虑进餐吸收与体育锻炼信息可改善血糖预测精度。
引用
@article{arxiv.1901.07467,
title = {Enhancing Blood Glucose Prediction with Meal Absorption and Physical Exercise Information},
author = {Chengyuan Liu and Josep Vehi and Nick Oliver and Pantelis Georgiou and Pau Herrero},
journal= {arXiv preprint arXiv:1901.07467},
year = {2024}
}
备注
10 pages, 5 figures, 8 tables and one appendix