Воспроизводимость результатов непрерывного мониторинга уровня глюкозы в реальных условиях.
ДомДом > Блог > Воспроизводимость результатов непрерывного мониторинга уровня глюкозы в реальных условиях.

Воспроизводимость результатов непрерывного мониторинга уровня глюкозы в реальных условиях.

Apr 22, 2024

Том 13 научных докладов, номер статьи: 13987 (2023) Цитировать эту статью

183 доступа

3 Альтметрика

Подробности о метриках

Системы непрерывного мониторинга глюкозы (CGM) являются очень полезным инструментом для понимания поведения глюкозы в различных ситуациях и группах населения. Несмотря на широкое использование систем CGM как в клинической практике, так и в исследованиях, наше понимание воспроизводимости данных CGM остается ограниченным. В настоящей работе исследуется воспроизводимость результатов, предоставляемых системой CGM, в случайной выборке свободноживущего взрослого населения с использованием подхода функционального анализа данных. Для оценки воспроизводимости результатов CGM у 581 человека были рассчитаны функциональные коэффициенты внутриклассовой корреляции (ICC) и их 95% доверительные интервалы (CI). 62% составляли женщины. В исследование был включен 581 участник (62% женщин), средний возраст 48 лет (диапазон 18–87 лет), у 12% ранее был диагностирован диабет. Междневная воспроизводимость результатов CGM была выше у пациентов с диабетом (ICC 0,46 [ДИ 0,39–0,55]), чем у пациентов с нормогликемией (ICC 0,30 [ДИ 0,27–0,33]); значение для субъектов с предиабетом было промежуточным (ICC 0,37 [ДИ 0,31–0,42]). Для субъектов с нормогликемией междневная воспроизводимость была хуже у молодых (ICC 0,26 [ДИ 0,21–0,30]), чем у пожилых субъектов (ICC 0,39 [ДИ 0,32–0,45]). Междневная воспроизводимость была самой плохой среди пациентов с нормогликемией, особенно у молодых пациентов с нормогликемией, что указывает на необходимость наблюдения за некоторыми группами пациентов чаще, чем за другими.

В последние годы системы непрерывного мониторинга глюкозы (CGM) позиционируют себя как очень полезный инструмент для улучшения метаболического контроля у пациентов с диабетом. Эти устройства позволяют получить более полную информацию о гликемическом поведении, чем с помощью традиционных методов измерения (глюкозы в капиллярной крови), позволяя пациенту и медицинскому работнику принимать более сложные терапевтические решения, влияющие на улучшение метаболического контроля1. В настоящее время у нас появляется все больше вариантов продуктов для использования CGM, которые мы можем классифицировать на (1) системы CGM в реальном времени (rtCGM), (2) системы CGM с периодическим сканированием (isCGM) и (3) профессиональные системы CGM. Все эти устройства измеряют уровень интерстициальной глюкозы и предоставляют числовую и графическую информацию о профилях глюкозы, однако существуют различия в отношении обращения и клинического использования. Система rtCGM непрерывно отправляет информацию о глюкозе от датчика на приемник, смартфон или инсулиновую помпу пользователя. Системы isCGM предоставляют и сохраняют информацию, когда пользователь приближает приемник или смартфон к датчику. Профессиональный CGM подразумевает использование устройств, принадлежащих клинике и используемых для ретроспективного анализа данных о глюкозе. Эти устройства можно использовать в «слепом» режиме для сбора информации о том, что делают пациенты, не влияя на их поведение2.

С момента своего появления эти устройства произвели революцию3 в нашем понимании гликемического поведения, обеспечив более точный мониторинг, чем когда-либо прежде. Благодаря своим впечатляющим техническим возможностям системы CGM обладают огромным потенциалом как для клинических, так и для исследовательских приложений. Одним из наиболее значительных преимуществ систем CGM является их способность улучшать гликемический контроль. Предоставляя данные об уровне глюкозы в режиме реального времени, эти устройства могут помочь большему числу пациентов достичь и поддерживать целевой гликемический уровень гликированного гемоглобина и время в пределах диапазона значений4, одновременно сводя к минимуму риск гипоглюкемии5. Более того, надежность и точность систем CGM проложили путь к бесшовной интеграции с системами подкожной инфузии инсулина. Эта интеграция позволяет динамически регулировать доставку инсулина на основе информации CGM, предлагая автоматизированный и эффективный подход к управлению уровнями глюкозы в крови6,7,8.

CGM показала себя многообещающе не только для мониторинга уровня глюкозы у пациентов с диабетом, но и в эпидемиологических исследованиях на здоровых добровольцах и в общей популяции9,10,11. Эти исследования предоставили ценную информацию о гликемическом поведении здоровых людей в реальных условиях. Понимание профилей глюкозы в группах населения, не страдающих диабетом, имеет важное клиническое значение, начиная от выявления ранней дисгликемии и заканчивая предотвращением или отсрочкой возникновения диабета. Кроме того, изучение постпрандиальной реакции на комбинации питательных веществ представляет большой интерес для улучшения общего состояния здоровья населения в целом12.

 6.4%, and/or a fasting plasma glucose (FPG) concentration of > 125 mg/dL (n = 70, 12%). Subjects with prediabetes were defined as those with an A1C range of 5.7–6.4% or a FPG range of 100–125 mg/dL (n = 121, 21%). Normoglycaemic subjects were defined as those with an A1C of < 5.7% and an FPG of < 100 mg/dL (n = 390, 67%). Baseline glycemic status (normoglycemia, prediabetes, and diabetes) were defined according to the American Diabetes Association criteria24./p> 180 mg/dL) and lowest during hypoglycemia. The mean ARD was 7.8% when blood glucose was between 70 and 180 mg/dL; 9.5% when blood glucose was greater than 180 mg/dl; and 29.2% when blood glucose was less than 70 mg/dL. Eighty-seven percent of the device results were within 15 mg/dL of the capillary BG results (for results of less than 100 mg/dL), and 87% were within 15% of the capillary BG results (for results higher than 100 mg/dL). The performance of the system on the first day was different to that on the following days. MARDs for all capillary-sensor glucose paired points stratified by day (1–6) were 12.1%, 7.6%, 7.0%, 7.1%, 7.3% and 6.6%, respectively./p> 0.74 excellent agreement25. The functional iCC was computed using the instrumental methodology of a two-way ANOVA multilevel functional model, as introduced in reference26. To achieve this, we use a novel bootstrap methodology, which is elaborated on in a subsequent paper27. For those interested in ICC calculation for other study designs from a functional perspective, additional information can be found in reference19./p>