基于连续血糖监测数据和分类技术的日间低血糖事件预测
机器学习
2017-05-01 v1
摘要
日间低血糖应被准确预测，以实现正常血糖并避免灾难性情况。低血糖是一种异常低的血糖水平，分为日间低血糖和夜间低血糖。许多低血糖预防研究针对夜间低血糖。本文中，我们提出新的预测变量，利用连续血糖监测（CGM）数据预测日间低血糖。我们采用分类与回归树（CART）作为预测方法。我们预测模型的自变量为从峰值下降的速率以及决策点处血糖（BG）的绝对水平。评估结果表明，我们的模型能够提前15分钟检测出近80%的低血糖事件，高于相似条件下的现有方法。所提方法可能实现实时预测，并可嵌入BG监测设备。
引用
@article{arxiv.1704.08769,
title = {Prediction of Daytime Hypoglycemic Events Using Continuous Glucose Monitoring Data and Classification Technique},
author = {Miyeon Jung and You-Bin Lee and Sang-Man Jin and Sung-Min Park},
journal= {arXiv preprint arXiv:1704.08769},
year = {2017}
}