用于2型糖尿病实时血糖预测的离线与在线数据同化
定量方法
2017-09-04 v1 动力系统
摘要
我们评估了结合不同离线与在线数据同化方法以利用2型糖尿病自我监测数据改进个性化血糖预测的优势。我们从4名糖尿病患者和2名非糖尿病患者收集了自我监测数据（营养报告及餐前餐后葡萄糖测量值）。我们称在线为随着营养和葡萄糖数据接收而顺序更新状态和参数的方法，离线为在包含多个营养和葡萄糖测量的时间窗口上固定数据集估计参数的方法。我们使用离线（MCMC和非线性优化）与在线（无迹卡尔曼滤波和一个未滤波模型——由营养数据驱动但不更新状态的动力学模型）数据同化方法，将超日葡萄糖动力学模型拟合到每个数据集的前半部分。在前半部分数据上估计的模型参数被用于在线预测方法，以对每个数据集的后半部分发布预测。与单独使用在线数据同化方法相比，离线数据同化方法在6个患者数据集中的4个上提供了预测性能和实际可用性的一致优势；然而6名患者中的2名使用严格的在线方法预测最佳。有趣的是，离线生成的参数估计在输入随机滤波时比用于简单未滤波模型（该模型整合新营养信息但不基于葡萄糖测量更新模型状态）时导致更差的预测。经过精心离线训练的未滤波模型所带来的相对改进，暴露了模型敏感性和滤波应用中的挑战，但也为改进葡萄糖预测和放宽患者自我监测要求开辟了可能性。
引用
@article{arxiv.1709.00163,
title = {Offline and online data assimilation for real-time blood glucose forecasting in type 2 diabetes},
author = {Matthew E Levine and George Hripcsak and Lena Mamykina and Andrew Stuart and David J Albers},
journal= {arXiv preprint arXiv:1709.00163},
year = {2017}
}