Automatic detection of problematic situations from long-term monitored parameters in patients with type 1 diabetes

Abstract

Type 1 diabetes requires continuous decision-making made by patients in everyday life, where even small mistakes in the treatment can lead to significant glycemic excursions. Despite advances in diabetes technologies, many clinically relevant problematic situations remain difficult to recognize in daily self-management. The aim of this work was to identify and analyse problematic situations in the daily self- management of patients with type 1 diabetes using long-term monitored data. Problematic situations are defined as events leading to clinically relevant glycemic excursions and difficulties in maintaining blood glucose within the target range. Presented studies analyze multi-parameter data obtained from mHealth technologies and Diani telemedicine system, including blood glucose measurements, insulin dosing, carbohydrate intake, physical activity, and other physiological parameters. Based on real-world patient data, detection methods were developed to identify recurring problematic situations such as postprandial glucose excursions, inappropriate insulin dosing, physical activity-related hypoglycemia, and stress-associated hyperglycemia. In addition to physiological data, this work also examines the influence of lifestyle characteristics and personality traits, on patients' interaction with...

Diabetes 1. typu vyžaduje od pacientů v každodenním životě neustálé rozhodování, kdy i malé chyby v léčbě mohou vést k významným glykemickým výkyvům. Navzdory pokroku v technologiích pro léčbu diabetu je mnoho klinicky relevantních problematických situací v každodenní samoléčbě obtížné rozpoznat. Cílem této práce bylo identifikovat a analyzovat problematické situace v každodenní samoléčbě pacientů s diabetem 1. typu s využitím dlouhodobě monitorovaných dat. Problematické situace jsou definovány jako události vedoucí ke klinicky relevantním glykemickým výkyvům a obtížím s udržením hladiny glukózy v krvi v cílovém rozmezí. Prezentované studie analyzují víceparametrová data získaná z technologií mHealth a telemedicínského systému Diani, včetně měření hladiny glukózy v krvi, dávkování inzulinu, příjmu sacharidů, fyzické aktivity a dalších fyziologických parametrů. Na základě reálných dat o pacientech byly vyvinuty detekční metody pro identifikaci opakujících se problematických situací, jako jsou postprandiální glykemické výkyvy, nevhodné dávkování inzulinu, hypoglykémie související s fyzickou aktivitou a hyperglykémie související se stresem. Kromě fyziologických dat tato práce zkoumá také vliv charakteristik životního stylu a osobnostních rysů, na interakci pacientů s technologiemi pro léčbu diabetu a...