Diabetes App och blodsockernivån
Innehållsförteckning:
För personer med typ 2-diabetes kan hantering av glukosnivåer vara en daglig utmaning.
Introduktionen av en ny algoritmbaserad app kan dock snart ta bort en del av denna stress.
AdvertisementAdvertisementMycket arbete behöver fortfarande göras på processen, men tanken bakom den personliga tekniken är att förutsäga effekten av varje måltid på användarens blodsockernivåer.
Typ 2-diabetes drabbar nu mer än 29 miljoner människor i USA. Ytterligare 86 miljoner vuxna antas ha prediabetes, som kan utvecklas till typ 2-diabetes om livsstilsförändringar inte genomförs.
Med typ 2-diabetes kommer ett konstant behov av att övervaka matintaget för att säkerställa att blodsockernivåerna bibehålls.
AnnonsOm nivåerna är för höga under längre perioder kan det uppstå allvarliga hälsokomplikationer.
Medicin ges för att hjälpa till med att hantera svängningar i sockernivån, men motion och diet spelar också en viktig roll.
AnnonsAdvertisementÄven om effekterna av specifika mattyper på glukosnivåer kan beräknas är det inte en exakt vetenskap.
Effekter kan variera väsentligt mellan individer och de kan även variera inom en individ beroende på en rad faktorer.
En rapport, publicerad i PLOS Computational Biology i veckan, förklarar hur en grupp forskare har integrerat en algoritm i en app som heter Glucoracle, vilket går något sätt att lösa detta problem.
David Albers, Ph.D., associerad forskare i biomedicinsk informatik vid Columbia University Medical Center (CUMC) i New York och huvudförfattare till studien, förklarar: "Även med expertråd är det svårt för människor att förstå sanna konsekvenser av deras kostvanor, särskilt på en måltid till måltid. "
För att ta itu med detta problem försöker Albers och hans team att designa en algoritm som kan hjälpa individer att göra mer informerade kostbeslut.
AnnonsAdvertisementLäs mer: 13 livsmedel som inte höjer blodsockernivåerna.
Förutsätter glukosnivåer
Albers förklarar hur appen fungerar: "Vår algoritm integrerad i en användarvänlig app, förutsäger konsekvenserna av att äta en viss måltid innan maten äts, vilket gör det möjligt för individer att göra bättre näringsmässiga val under måltiderna. "
Algoritmen använder dataassimilering, en teknik som utliseras i en rad moderna applikationer, inklusive väderprognos.
AnnonsDataassimilering tar regelbundet uppdaterad information - inklusive blodsockermätningar och näringsinformation - samlar den och skapar sedan en matematisk modell för en persons respons på glukos.
Lena Mamykina, Ph.D., biträdande professor i biomedicinsk informatik vid CUMC och en studie medförfattare, förklarar: "Dataassimilatorn uppdateras kontinuerligt med användarens matintag och blodglukosmätningar, personifierar modellen för den enskilda personen. "
AnnonsAdvertisementAnvändare av Glucoracle kan ladda upp bilder av en viss måltid med grova uppskattningar av dess näringsinnehåll, tillsammans med fingerstickblodmätningar. Appen kan sedan ge en omedelbar förutsägelse av blodsockernivån efter måltid.
Appen måste användas i en vecka innan den börjar generera förutsägelser.
Detta gör det möjligt för dataassimilatorn att lära sig hur den enskilda användaren svarar på olika typer av mat. Uppskattningen och prognosen justeras därefter för noggrannhet över tiden.
AnnonsLäs mer: Är kostsoda säkert att dricka för personer med diabetes? »
Hur bra fungerar det?
Den första undersökningen av dataassimilatorns förmågor utfördes på fem personer. Tre hade typ 2-diabetes och två gjorde det inte.
AnnonsAdvertisementAppen gjorde förutsägelser om förändringar i glukosnivåer efter en viss måltid, som sedan jämfördes med de faktiska glukosmätningarna.
I de icke-diabetiska deltagarna matchade avläsningarna rätt exakt de äkta glukosmätningarna.
För de tre deltagarna med diabetes var resultaten mindre korrekta. Forskarna tror att detta kan bero på fysiologiska fluktuationer hos patienterna eller ett parametervärde.
Prognoserna var dock "fortfarande jämförbara" med de av certifierade diabetespedagoger.
Även om resultaten inte är perfekta, är Albers inte nedslagen. I stället säger han:
"Det finns säkert utrymme för förbättringar. Denna utvärdering utformades för att bevisa att det är möjligt att använda rutinmässig självövervakningsdata för att generera realtidslukosprognoser som människor kan använda för att göra bättre näringsmässiga val. Vi har kunnat göra en aspekt av diabetes självhantering som har varit nästan omöjlig för personer med typ 2-diabetes mer hanterbar. Nu är vår uppgift att göra dataassimileringsverktyget som driver appen ännu bättre. "
En större klinisk prövning planeras nu, och forskarna hoppas att appen kommer att vara klar för omfattande användning på två år.
