1型糖尿病低血糖风险与体力活动:一个数据驱动的方法

介绍

1型糖尿病(近年来)是一种慢性疾病引起的胰岛素不足(1)。然而,在理解这种疾病有重大进展,导致许多新的管理方法(1)。进展的关键驱动因素是日益增长的使用连续血糖监测(cgm),设备跟踪全天组织液中葡萄糖含量(2)。cgm允许用户查看他们的血糖水平在任何时间,观察趋势和波动,这可能帮助他们调整他们的食物,身体活动,胰岛素剂量,和其他因素来优化血糖控制(2)。

低血糖或低血糖,造成急性危害1型糖尿病患者。它可以导致意识丧失、癫痫、昏迷,甚至死亡如果急需解决(3)。hypoglycemia-associated影响的风险尤其期间和之后增加有氧运动,如跑步,散步,骑自行车,游泳(4)。担心低血糖是陈述的一个主要障碍个体与近年来进行锻炼,尽管有明确的证据表明,运动提供了一些健康的好处(5)。尽管在接近实时监测血糖的能力,1型糖尿病患者可以找到它挑战来管理他们的饮食和药物,以确保安全。观察低血糖风险的大类,运动是消耗糖原存储,增加胰岛素敏感性,并已被证明在中等强度冲自主低血糖反应,这三个国家增加低血糖的风险(6)。个人内转至目前建议增加碳水化合物的消耗和减少胰岛素剂量之前锻炼(5)。此外,无氧运动,显示电阻和高强度训练,减轻与有氧运动相关的血糖降低,可以作为一种管理(7)。建议防止低血糖,如碳水化合物的消耗,尚未定量理解或深度分析,主要是由于数据的缺乏。一般来说,运动和葡萄糖之间的关系的确切性质,特别是食品和胰岛素之间调解尚不清楚(5)。提出了几个低血糖预测算法(8),但很少集成来自多个设备的实时信息(CGM、胰岛素泵、PA跟踪器)。使这些知识差距是定义低血糖的异质性。工作组从美国糖尿病协会,内分泌协会和国际社会对儿童和青少年糖尿病低血糖的糖尿病定义为“所有的异常低的血糖浓度,使个体潜在伤害”,然而有一些模棱两可的特定指标的定义,并随着时间的推移,不同分类方法提出了低血糖及其严重程度(6,7,9)。随着CGM的广泛使用,共识指南建议最小化时间与血糖水平< 70 mg / dl,缓解低血糖的潜在危害指在上面提到的更广泛的定义,和这个阈值提供了一个更直接的目标来定义通过CGM测量(低血糖事件10)。

在这项工作中,我们针对一种改进的量化理解的重要因素在运动性低血糖。我们量化的影响不同类型和属性的运动对葡萄糖的变化,因此,在1型糖尿病患者低血糖的风险。

材料和方法

数据集

潮间带水坑inc .提供的数据集通过大数据研究中使用捐赠项目(https://www.tidepool.org/bigdata)。潮间带水坑是一个基于云计算的存储和提供糖尿病数据的软件,免费的,临床医生和糖尿病(11)。它结合了收集的数据从糖尿病患者通过蓄潮池不同的设备应用到简化数据集(12)潮间带水坑的网站。这是一个真实的数据集,患者不指示在任何特定的协议数据条目。这意味着数据集没有标准设备只要泵或CGM和条目,如碳水化合物食物或零食事件进入使用病人的首选碳水化合物日志或丸计算器而不是进入统一的时候与碳水化合物的消耗。对于那些选择捐赠他们的数据,潮间带水坑匿名化它并将其放入一个数据集共享池安全与外部合作伙伴。潮间带水坑遵守其隐私政策,概述:https://developer.tidepool.org/privacy-policy/ 1.5。

我们分析了数据集的信息与内转至50个参与者。总结了现有的人口和临床信息表1。

多个变量相关运动后低血糖风险预测的任务进行分析。这些变量描述表2。

计算和统计分析

统计分析进行了使用Matlab R2021a (MathWorks公司,纳蒂克,妈,美国)。线性回归模型使用MATLAB中的“fitlm”功能开发。我们也计算出了几个使用参与者的信息汇总统计物理活动,血糖水平,碳水化合物摄入量,丸胰岛素。

使用下面的预测分析运动性低血糖事件:

1。葡萄糖值(mg / dl)的运动(基线的葡萄糖)

2。两小时运动前的血糖调整AUC:基线葡萄糖和葡萄糖之间的面积曲线运动(从两个小时前开始图1)。

3所示。卡路里烧毁(千卡)在运动

4所示。活动持续时间(分钟)

5。丸胰岛素(单位)

在预测,卡路里烧毁变量被用作代理运动强度。在我们的分析中,我们使用70 mg / dl阈值来确定低血糖。我们的主要结果是平均葡萄糖的区别从70 mg / dl在运动后两小时低血糖风险的代理。这个指标计算减70平均葡萄糖在运动后两小时。

我们每天可视化血糖波动对所有参与者都产生了类似的图表(图1)。两个观测可以在几乎所有的多通道Glucose-Exercise-Carbohydrate图表。首先,正如预期的那样,有一个大幅降低葡萄糖水平一旦参与者开始他们的锻炼;图1显示了参与者的血糖低于70 mg / dl之后他们的身体活动,从而导致低血糖。其次,通常前增加血糖水平运动。葡萄糖的增加锻炼之前可能由于参与者摄入碳水化合物,称为“碳水化合物制备”,以减少低血糖风险与有氧运动(7)。不幸的是,我们还观察到的不一致的碳水化合物摄入日志跨多个参与者的数据集。例如,许多参与者的一天中出现不摄入碳水化合物,会有剧烈的增加血糖水平没有碳水化合物摄入量在同一时间。这些观察让我们用2 h葡萄糖调整AUC代替实际的量化碳水化合物碳水化合物摄入量日志运动前准备(图1)。

运动事件只包含在分析如果他们遇到的标准没有任何其他练习两小时内做运动之前或之后,记录的参与者。这是为了确保在这两个小时内血糖水平不会影响其他体育活动。同样,我们只包括丸胰岛素注射前两小时内运动在我们的分析,我们认为早些时候丸就不会对低血糖风险产生重大影响。

结果

不同类型的频率

我们首先计算的频率不同的活动类型包含在数据集。图2展示了50的比例给定PA参与者与至少一个记录类型。三大活动是步行(94%的参与者),运行(70%),和骑自行车(66%)。以确保足够的样本量为我们分析,我们关注这三个活动为当前的工作。

提出2 h运动前的AUC指标调整

我们执行统计分析2 h运动前的AUC调整(调整AUC以后)的运动事件集符合标准,发现以下相应数量的低血糖事件的演习。494有1664低血糖事件走路,跑步,和805年骑自行车。的p使用Wilcoxon等级值计算和测试。我们比较高调整AUC的低血糖事件的数量与低调整AUC(最高25%比最低25%,最高50%比50%)。我们观察到高调整AUC实例与显著减少低血糖事件有关而低调整AUC实例报道表3。这一发现表明高调整AUC的保护作用(表明碳水化合物制备)低血糖风险。

的p使用Wilcoxon等级值计算和测试。

线性回归分析

使用调整AUC和临床变量计算和统计分析部分中提到的,我们创建了一个简单的线性回归模型预测每次锻炼后低血糖的风险2 h。使用的变量是葡萄糖值(mg / dl)的运动,两个小时运动前的血糖调整AUC:基线葡萄糖和葡萄糖之间的面积曲线从两个小时前开始锻炼,卡路里烧毁(千卡)在运动,活动持续时间(分钟),和丸胰岛素(单位)。的预测中,我们使用个人指标:对于每一个参与者,我们的距离平均葡萄糖阅读2 h后体力活动从70 mg / dl为每个实例的运行锻炼,散步,骑自行车,使用这些指标建立回归模型。线性回归模型结果详细(表4)。

讨论

我们的研究结果表明,高2小时运动前的血糖调整AUC较少有关运动性低血糖事件。此外,线性回归模型表明,该调整AUC度量和葡萄糖水平的锻炼与运动性低血糖风险。这些结果充分强化的重要性高的血糖水平的运动,作为一个指标来预测运动性低血糖。大多数低血糖的预测通常依赖于此基线血糖和心率(8)。但是我们也发现了AUC调整前的两个小时运动是预测的关键。调整AUC和葡萄糖值的运动在走与低血糖的风险显著相关,跑步,和骑自行车,这表明其重要性在预测运动性低血糖风险。身体活动持续时间、强度和丸胰岛素只有一些显著相关,而不是所有运动类型,如结果所示。

有很少的研究在近年来将CGM和身体活动测量。最近的一项研究表明,历史CGM数据本身可以可靠地预测在接下来的60分钟,血糖值与其他体育活动信息贡献甚少。(范·多尔恩' 21]这与我们的研究结果CGM-based运动前的葡萄糖和调整等措施AUC比PA等措施加强对低血糖持续时间和强度的锻炼。我们在研究中指出,虽然PA措施没有强烈预测CGM低血糖症的措施,他们在一些运动类型仍有显著的关联。这表明PA具体措施可以增加低血糖的风险预测的价值运动后时期。

限制

这项研究的一个主要的限制是没有心跳信息。一项研究预测是否会发生运动性低血糖的给定的心率和葡萄糖水平的运动(8)。此外,心率被发现的一个生理变量,提高了整体血糖预测的准确性与近年来锻炼个人(13)。

某些限制出现在我们自己的数据分析。我们使用了2 h运动前的血糖调整AUC量化碳水化合物的参与者运动前做准备。虽然self-recorded碳水化合物摄入量日志可能有更好的估计碳水化合物制备,我们不能使用它们,因为经验观察到的不一致,如错过了日志或延迟用餐——日志记录。缺失或不正确的记录由参与者使用真实世界数据的缺点之一。然而,调整AUC的缺点是,血糖水平可能增加碳水化合物制备以外的原因,这是一个方法来实现更高的AUC调整,但我们不能完全归因于更高的AUC调整碳水化合物制备的真实世界数据的局限性。此外,参与者采取行动增加血糖水平运动后学习2小时窗口内可能影响他们的葡萄糖读数和低血糖风险的衡量,我们假定为完全由PA。在运动模型忽略了其他因素的影响,不考虑任何因素可能出现的。进一步,我们选择使用的平均差异70 mg / dl低血糖风险的措施,而不是直接测量低血糖通过临床公认“低血糖时间”(Battelino et al ., 2022)。这样做是,因为大多数的运动事件零低血糖读数,会扭曲我们的线性回归结果。在未来的研究充分平衡零,零低血糖实例,我们将使用时间对低血糖的临床结果。

结果还表明,身体活动持续时间、强度和丸胰岛素明显与只有一些相关练习。因为这是真实世界的数据,一些运动数据可能是由用户手动覆盖,引入主观偏差分析。未来的研究与完全自动化的锻炼时间和强度日志可以更精确地总结这些运动参数对低血糖风险的影响。

由于在潮间带水坑有限的人口信息数据集,我们无法调查的角色种族/民族运动性低血糖。我们也有儿科数据有限,相当近年来人口和可以有截然不同的水平和类型的活动根据年龄。因此,这些度量标准需要重新计算不同人群来验证我们的研究结果的普遍性。

未来的研究

我们的结果铺平了道路,帮助优化准备锻炼个人运动前1型糖尿病。取决于各种因素,如类型和持续时间的锻炼,血液中的胰岛素,和血糖,某些建议是否可以消耗碳水化合物,消费多少,等等。例如,如果一个人去散步,这将增加低血糖的风险,在一定时间,然后调整AUC可以得出一个量化的运动前应该吃多少碳水化合物。

在我们的数据进一步分析,我们希望创建个性化的回归模型准确预测平均葡萄糖距离70 mg / dl 1型糖尿病患者在他们练习。每个运动模型的整体平方值表明,模型的预测能力是相对温和的。我们不包括可用人口/临床资料(年龄、年1型糖尿病患者和性)的线性回归模型可以提高模型的预测能力。尽管先前的研究已经表明一些其他重要预测因子的严重低血糖发作前低血糖,期间糖尿病,身体质量指数,和其他人体测量,这些信息并不是提供给我们在这个数据集。包括这些变量以及确定适当的互动方面可以优化模型,允许那些近年来为自己有一个个性化的模型来帮助他们安全地锻炼。我们计划创建一个训练集和测试集的数据来测试这样的模型在后续分析。

在未来,我们希望能够使用这些模型来创建一个干预技术对于那些近年来运动更安全。我们设想这些模型能够将个人的输入信息转化为一个用户友好的锻炼管理应用程序。我们希望人们可以使用这个潜在使用运动作为一种血糖管理。

数据可用性声明

在本文中给出的数据并不容易获得,因为这项研究中使用的数据集是潮间带水坑Inc .提供的慷慨蓄潮池数据可以提供给研究人员在他们的自由裁量权通过数据共享协议。要求代码生成的数据和表手稿可能指向sp94@rice.edu和ashu@rice.edu . .请求访问数据集应该针对潮间带水坑,jdrf-tbddp-study@tidepool.org。

道德声明

在潮间带水坑,我们认识到道德实践的重要性时,处理和利用数据。我们致力于维护最高标准的诚信、尊重、和责任在各方面的数据收集、存储、分析和传播。我们道德声明中概述了我们的原则和承诺的关系数据,确保隐私的保护,促进透明度,促进信任与我们的利益相关者。

数据隐私与安全:我们优先考虑个人数据的隐私和安全。我们实现健壮的措施来保障个人资料,确保收集,处理,存储,传播安全。

知情同意和数据收集:我们从个人获得同意收集数据之前,确保他们充分意识到数据收集的目的和潜在影响。我们采用透明的做法,并清楚地说明如何使用和共享,数据如何被使用和共享,让人对他们的数据做出明智的决定。

数据准确性和完整性:我们努力保持准确和可靠的数据在其生命周期。我们采用适当的质量控制措施,以减少错误和不准确的地方。如果发现错误,我们立即采取行动来纠正他们,防止复发。

我们公平的和负责任的使用:利用数据在一个公平的和负责任的态度,尊重法律,道德和社会规范。我们不参与歧视性做法,确保数据分析和决策过程是透明的。

数据共享和透明度:只要有可能,我们支持开放和透明的数据实践,同时尊重隐私和机密性。我们努力共享数据的方式造福社会,为科学研究、公共知识和社会进步。共享数据时,我们采取适当措施,de-identify个人信息,保护个人隐私。

负责数据治理:我们实现健壮的数据治理框架和流程,确保问责、合规、和监督与数据有关的活动。我们指定个人或团队负责监督数据管理实践,并监测遵守政策和法规。

持续改进:我们致力于不断改善我们的数据伦理实践。我们定期审查和更新我们的政策、程序和保障措施结合发展的法律、技术和社会的期望。我们鼓励反馈从我们的利益攸关方的合作,促进文化的透明度,责任,和学习。

通过遵守这个道德声明,我们确认我们的承诺,我们保持最高的道德标准数据相关的活动。我们的目标是我们的利益相关者之间建立信任,促进负责任的实践数据,和对社会的积极贡献而确保隐私,我们处理数据的安全性和完整性。

作者的贡献

SP和JJJ发达计算框架。SP创建数据表和领导写的手稿。某人,,DDS概念化低血糖风险预测框架。AFS和DDS提供临床经验和反馈低血糖的风险预测模型。某人和监督SP和JJJ计算分析和SP的写作手稿。SP,某人,AFS和DDS导致写作手稿。所有作者的文章和批准提交的版本。

资金

SP, JJJ,某人,PATHS-UP国家科学基金会支持的工程研究中心(批准号:1648451)。

确认

作者想感谢潮间带水坑inc .)在研究中使用的数据集。特别是,我们承认克里斯•斯奈德尼克•Riggall布兰登仲裁者,杰森较少,卡梅隆萨默斯(lawrence Summers)和Stefany Shaheen的帮助在数据传输和数据集的回答问题。

的利益冲突

DDS, Dexcom公司将是一个独立的顾问公司。

其余作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用