Aplikasi Kencing manis dan Tahap Gula Darah

Bagi individu yang mempunyai diabetes jenis 2, menguruskan tahap glukosa boleh menjadi cabaran harian.

Walau bagaimanapun, pengenalan aplikasi berasaskan algoritma baru tidak lama lagi mungkin mengambil sedikit tekanan ini.

AdvertisementAdvertisement

Banyak kerja masih perlu dilakukan dalam proses, tetapi idea di belakang teknologi yang diperibadikan adalah untuk meramalkan kesan setiap hidangan pada kadar gula darah pengguna.

Kencing manis jenis 2 kini menjejaskan lebih daripada 29 juta orang di Amerika Syarikat. Tambahan 86 juta dewasa dianggap mempunyai prediabetes, yang boleh menjadi diabetes jenis 2 jika perubahan gaya hidup tidak dilaksanakan.

Dengan diabetes jenis 2 datang keperluan untuk memantau pengambilan makanan untuk memastikan tahap glukosa darah yang betul dikekalkan.

Iklan

Jika tahap terlalu tinggi untuk tempoh masa yang berpanjangan, komplikasi kesihatan serius boleh timbul.

Ubat diberikan untuk membantu menguruskan turun naik paras gula, tetapi latihan dan diet juga memainkan peranan yang besar.

AdvertisementAdvertisement

Walaupun kesan jenis makanan spesifik pada paras glukosa boleh dianggarkan, ia bukan sains yang tepat.

Kesan boleh berbeza-beza antara individu dan mereka juga boleh berbeza-beza dalam individu yang bergantung kepada pelbagai faktor.

Laporan yang diterbitkan dalam PLOS Computational Biology minggu ini menjelaskan bagaimana sekumpulan saintis telah mengintegrasikan satu algoritma ke dalam aplikasi yang dipanggil Glucoracle, yang mana ia akan membantu menyelesaikan masalah ini.

David Albers, Ph.D D., ahli sains penyelidikan bersekutu dalam informatika biomedikal di Pusat Perubatan Columbia University (CUMC) di New York dan pengarang utama kajian itu, menjelaskan: "Walaupun dengan panduan pakar, sukar untuk orang memahami kesan sebenar pilihan pemakanan mereka, terutamanya pada makanan untuk makan. "

Untuk menangani masalah ini, Albers dan pasukannya cuba merangka algoritma yang boleh membantu individu untuk membuat keputusan pemakanan yang lebih bermaklumat.

IklanAdvertisement

Baca lebih lanjut: 13 makanan yang tidak akan meningkatkan kadar glukosa darah »

Tahap glukosa memprediksi

Albers menerangkan bagaimana aplikasinya berfungsi:" Algoritma kami, diintegrasikan ke dalam aplikasi yang mudah digunakan, meramalkan akibat makan makanan tertentu sebelum makanan dimakan, membolehkan individu membuat pilihan pemakanan yang lebih baik semasa waktu makan. "

Algoritma ini menggunakan asimilasi data, teknik yang digunakan dalam pelbagai aplikasi moden, termasuk ramalan cuaca.

Iklan

Asimilasi data mengambil maklumat yang sentiasa dikemas kini - termasuk pengukuran gula darah dan maklumat pemakanan - menyusunnya, dan kemudian mencipta model matematik tindak balas individu terhadap glukosa.

Lena Mamykina, Ph. D., penolong profesor informatika biomedikal di CUMC dan seorang pengarang bersama kajian, menjelaskan: "Pengasimasi data sentiasa dikemas kini dengan pengambilan makanan pengguna dan pengukuran glukosa darah, memperibadikan model bagi individu itu. "

AdvertisementAdvertisement

Pengguna Glucoracle boleh memuat gambar gambar makanan tertentu dengan perkiraan kasar kandungan nutrisi, bersama dengan pengukuran darah fingerstick. Aplikasi ini kemudiannya dapat memberikan ramalan segera mengenai kadar gula darah selepas makan.

Aplikasi ini mesti digunakan selama seminggu sebelum ia mula menghasilkan ramalan.

Ini membolehkan pengambilalihan data untuk mengetahui bagaimana pengguna individu bertindak balas terhadap pelbagai jenis makanan. Anggaran dan ramalan kemudian disesuaikan untuk ketepatan dari masa ke masa.

Iklan

Baca lebih lanjut: Adakah soda diet selamat untuk diminum untuk pesakit diabetes? »

Seberapa baik ia berfungsi?

Penyelidikan permulaan ke atas kebolehan pengasimasi data dilakukan pada lima individu. Tiga mempunyai diabetes jenis 2 dan dua tidak.

AdvertisementAdvertisement

Aplikasi ini membuat ramalan tentang perubahan dalam paras glukosa berikutan hidangan tertentu, yang kemudiannya dibandingkan dengan pengukuran glukosa sebenar.

Dalam peserta bukan kencing manis, pembacaan agak tepat dipadankan dengan pengukuran glukosa yang tulen.

Bagi ketiga peserta dengan diabetes, hasilnya kurang tepat. Para penyelidik percaya bahawa ini mungkin disebabkan oleh turun naik fisiologi pada pesakit atau ralat parameter.

Walau bagaimanapun, ramalan "masih setanding" kepada pendidik diabetes bersertifikat.

Walaupun hasilnya tidak sempurna, Albers tidak kecewa. Sebaliknya, dia berkata:

"Sudah pasti ruang untuk penambahbaikan. Penilaian ini direka untuk membuktikan bahawa mungkin, dengan menggunakan data pemantauan rutin, untuk menghasilkan ramalan glukosa masa nyata yang boleh digunakan orang untuk membuat pilihan pemakanan yang lebih baik. Kami telah dapat membuat satu aspek pengurusan diri diabetes yang hampir mustahil bagi pesakit diabetes jenis 2 lebih mudah diurus. Sekarang tugas kami adalah untuk membuat alat asimilasi data yang menggerakkan aplikasi lebih baik. "

Satu percubaan klinikal yang lebih besar kini dirancangkan, dan para penyelidik berharap aplikasi itu akan siap digunakan secara meluas dalam masa dua tahun.