Credit: Pixabay/CC0公共领域 一组研究人员发现,将可穿戴式监护仪的实时数据和机器学习方法相结合,只需6个月的数据,就可以做出准确的近期血糖控制预测,而不是依赖只能预测患者血糖控制是否会在未来5到10年内从糖尿病前期进展到糖尿病的传统方法
这项由宾夕法尼亚大学佩雷尔曼医学院领导的研究,通过更直接的干预,为潜在的预防糖尿病打开了大门
这些发现发表在npj数字医学上
“虽然美国三分之一的成年人患有糖尿病前期,但我们缺乏一种方法来实时识别患者是朝着糖尿病发展还是远离糖尿病发展,”该研究的主要作者、医学博士、宾夕法尼亚大学医学副教授、阿森松岛临床转化副总裁米特什·帕特尔(Mitesh Patel)说
“卫生系统和保险公司可能能够利用这类信息更好地推荐行为或药物的改变,以预防糖尿病,就像风险预测分数已经被用于预防心脏病一样
" 糖尿病前期是指患者的血糖升高,但没有达到糖尿病的水平
这些患者有发展成这种疾病的风险,因此医生通常会根据预测血糖控制(技术上称为“血糖”控制)的模型,利用时间点基线数据,如测试或从预约中收集的信息,对患者的护理做出决定
关于短期预测的数据仍然有限,大多数预测集中在未来5到10年
在预防方面,这还有许多不足之处
因此,佩恩医学的研究人员开始研究是否可以创建一个模型,利用可穿戴设备和预测公式的组合,应用或不应用机器学习技术,使预测更加直接
参与者通过宾夕法尼亚医学招募,并随机分配到研究的不同部分
每位患者都获得了一个跟踪身体活动、心率和睡眠活动的设备,并被分配了一个戴在手腕或腰部的可穿戴设备
这些设备被同步到健康之路,这是一个宾夕法尼亚医学平台,用于跟踪数据,每天从设备中提取信息
所有患者还收到了一个同步的电子体重计
六个月后,每个病人都接受了实验室检测和最后的称重
总共有150名参与者完成了这项研究
当研究小组分析他们的数据时,他们发现,几乎在所有情况下,使用手腕可穿戴设备的患者对血糖控制的预测明显更好
这包括患者血糖控制得更好还是更差
研究人员注意到,佩戴腕部设备的患者比佩戴腰部可穿戴设备的患者平均多走1000步
帕特尔说:“这是一项随机试验,所以基线时的活动水平应该是相似的,但由于我们在戴腕用户中发现了更高的步数,这可能表明他们一天中戴这种设备的时间更长。”
“这可能导致了与束腰可穿戴用户相比,预测的差异
" 将机器学习预测模型与使用的传统模型进行比较,研究人员发现机器学习模型具有一致的优势
当数据按使用的设备类型分类时,当与腕戴设备配对时,机器学习的预测能力变得更强
然而,当机器学习方法也与传统模型相结合(并与腕戴设备相结合)时,预测能力达到最高
研究人员表示,下一步是将该研究使用的预测模型整合到正常护理系统中,以覆盖更广泛的患者群体
这可能是一个小小的障碍,但由于佩恩开发的平台,它已经有了优势
“组织需要一个可扩展的平台来捕获和合成这些数据,并理想地生成自动响应,以便可以大规模提供反馈,”高级作者凯文·沃尔普说,医学博士,健康激励和行为经济学中心主任
“我们开发了健康之路平台,佩恩利用该平台在各种临床环境中成功地将远程患者监测数据集成到临床护理中
这个平台被美国许多组织使用
S
,以及健康之路或类似的东西可以用来帮助更广泛地实现这些类型的方法
"
来源:由phyica.com整理转载自PH,转载请保留出处和链接!