简报：Basal-Adjust：用于预防高血糖的趋势预测警报与基础率调整
机器学习
2023-03-20 v1
摘要
在开发最先进的人工胰腺系统（APS）方面，1型糖尿病治疗已取得重大进展。然而，目前在及时处置不安全血糖（BG）水平方面仍存在不足，尤其是在反跳性高血糖的情况下。我们提出了一种机器学习（ML）方法用于预测性BG情景分类，其输出消息提醒患者即将出现的BG趋势，以便更早、明智地进行治疗。除标准的低血糖和高血糖预测通知外，我们引入了BG情景特定警报消息，以及用于预防反跳性高血糖的精确基础率建议的初步步骤。在DCLP3临床数据集上的实验评估实现了>98%的准确率和>79%的精确率，用于预测患者警报的反跳性高血糖事件。
引用
@article{arxiv.2303.09913,
title = {Short: Basal-Adjust: Trend Prediction Alerts and Adjusted Basal Rates for Hyperglycemia Prevention},
author = {Chloe Smith and Maxfield Kouzel and Xugui Zhou and Homa Alemzadeh},
journal= {arXiv preprint arXiv:2303.09913},
year = {2023}
}
备注
5 pages, 4 figures, 4 tables, to appear in the IEEE/ACM international conference on Connected Health: Applications, Systems and Engineering Technologies (CHASE), 2023