Архив статей журнала
Время в целевом диапазоне глюкозы (TIR) — перспективный показатель гликемического контроля, применяющийся при оценке непрерывного мониторинга глюкозы (НМГ) у пациентов с сахарным диабетом (СД). Актуальной проблемой остается оценка и прогнозирование данного параметра для пациентов, использующих самостоятельный мониторинг глюкозы крови (СМГК), с учетом недостаточной доступности НМГ для большинства пациентов с СД.
ЦЕЛЬ. На основании данных экспериментального мобильного приложения разработать прогностическую модель времени в целевом диапазоне для пациентов с СД 1 типа (СД1).
МАТЕРИАЛЫ И МЕТОДЫ. Проведен анализ 1253 профилей профессионального НМГ пациентов с СД1. На основании включенных в исследование записей выполнен расчет TIR(НМГ), сгенерированы тренировочные модели 7-точечных профилей СМГК. Профили СМГК загружались в разработанное экспериментальное мобильное приложение, рассчитывающее стандартные параметры гликемического контроля. Данные были разделены на основную и тестовую выборки в соотношении 80 и 20%. Для основной выборки применены следующие методы разработки прогностических
моделей: простая линейная регрессия (ПЛР), множественная линейная регрессия (МЛР), искусственная нейронная сеть (ИНС). Оценка эффективности разработанных моделей проводилась на тестовой выборке с расчетом средней абсолютной ошибки (MAE), квадратного корня из среднеквадратичной ошибки (RMSE).
РЕЗУЛЬТАТЫ. В исследование включено 568 профилей НМГ. В основной группе (n=454) TIR составил 45 [33; 65]%, в тестовой группе (n=114) — 43 [33; 58]%. Наиболее значимыми предикторами TIR в регрессионных моделях являлись процент значений в целевом диапазоне (dTIR), p<0,001; процент значений ниже целевого диапазона 1 уровня (dTBR1), p<0,001; стандартное отклонение гликемии (SD), p=0,007. Коэффициент детерминации для ПЛР (предиктор: dTIR) — 0,844; для МЛР (предикторы: dTIR, dTBR1, SD) — 0,907. Разработаны модели ИНС по типу многослойный перцептрон с двумя и одним внутренним слоем нейронов, для которых RMSE на валидационной выборке составил 4,617 и 6,639% соответственно. Результаты анализа эффективности прогноза на тестовой выборке: dTIR: MAE — 6,82%, RMSE — 8,60%; модель ПЛР: MAE — 5,66%, RMSE — 7,34%; модель МЛР: MAE — 4,18%, RMSE — 5,28%; модель ИНС (2 слоя): MAE — 4,14%, RMSE — 5,19%; модель ИНС (1 слой): MAE — 4,44%, RMSE — 5,52%.
ЗАКЛЮЧЕНИЕ. Наилучшую способность для прогноза TIR продемонстрировали ИНС с двумя внутренними слоями и МЛР. Требуются дальнейшие исследования с целью клинической валидации разработанных прогностических моделей.