Predictive algoritmo “de glicose no sangue”?

Question

Eu estou escrevendo um aplicativo que permite que um usuário diabético entrar suas suas leituras / "de glicose no sangue", e, em seguida, gráficos-los em um gráfico ao longo do tempo, da esquerda para a direita. Desde as leituras de sangue será feito apenas várias vezes por dia, um algoritmo seria útil para:

a) preencher as lacunas no gráfico entre as leituras (curvas seria mais realista do que as linhas espasmódicos) e permitir um "nível de glicose no sangue" mais precisa médio diário

b) cerca de prever o que vai acontecer no futuro (se o come usuário nada que afetará seus níveis sanguíneos)

eu chupar a cálculo. Eu estou esperando que alguém aqui sabe uma biblioteca para essas coisas? Eu estou esperando que alguém sabe de um algoritmo que foi adaptado para este problema específico já (por exemplo .: onde alguém comparou com dados reais de diabéticos)

Disclaimer: Eu estou muito ciente de que qualquer algoritmo iria variar muito dependendo do usuário. Eu estou apenas olhando para melhorar em linhas retas angulares. Independentemente do diabético, há um limite para a taxa de açúcar no sangue que pode subir e descer.

Eu estou usando Javascript, mas como é apenas matemática, eu poderia transportá-lo a partir de C, Java ou qualquer outra coisa.

Answer 1

comportamento de açúcar no sangue é muito complicado. Ele é afetado por

• de açúcar no sangue actual (complicado pela possível presença de corpos cetónicos, se o paciente é hiperglicémico)
• recente comida para várias horas, dependendo do tipo e quanto
• rápido recente insulina (com perfis variedade de reacção e dependente paciente entre 45 minutos e duas horas de duração. Oh, e mecanismo de entrega)
• insulina de acção prolongada para fora passadas 12 horas (de novo paciente e dependente variedade)
• níveis de atividade
• os níveis de estresse
• doença
• taxa de insulina basal, se o paciente usa uma bomba
• ad nauseum

problema muito difícil. Qualquer heurística --- qualquer heurística --- você escolheu seria altamente enganosa. resposta tão curta:

não fazê-lo.

---

Esta vem, em parte, por ter comparado 24 horas log de glicose contínua de um diabético com as ~ 10 picadas no dedo tomadas durante o mesmo tempo. Ou seja, Minha sugestão é de dados conduzido.

---

Editar:. Evidentemente, eu não fui claro

Você não pode sequer chegar perto.

Nada que você pode fazer com os dados dedo picada pode ser remotamente confiável.

Como conectar os pontos com todas as linhas (mesmo segmentos retos) é apenas errado liso . Ele não reflete a realidade. Nem mesmo um pouco.

Eu sou um físico de partículas experimental. conjuntos de dados complexos são o que eu faço. Há um diabético em minha vida (você adivinhou?). Isso é importante para mim.

Mas eu já vi os registros de dados de alta frequência, lado-a-lado com um registro dos dias dedo-picadas, exercício, alimentos e insulina.

Se você poderia começar cada de quinze minutos de dados, eu diria vá em frente e usar um spline. Não vai ser perigosamente enganoso. Mas, se você tem 6-10 medições em todo o dia, você sabe nada .

---

Uma boa notícia: o monitoramento contínuo está vindo para baixo no preço. É fora do laboratório e disponível com algumas bombas até agora.

---

Para aqueles que não estão familiarizados com esta: pacientes diabéticos compatíveis fazer (resultados de votação extremamente não científica) 4-6 + glicose Testa um dia como uma questão de curso, e vários outros adicionais nas 1-2 horas após qualquer excursão inesperada (eles ficam sintomas físicos que lhes permitem detectar excursões graves).

Isso serve para dar ao paciente uma idéia de como eles estão fazendo a controlar seus níveis de glicose, mas também ir a um laboratório para obter uma hemoglobina A1C elaborado a cada trimestre (ou algo assim). O resultado A1C é dependente principalmente sobre sua glicemia média.

Eu falei com pessoas que com clock em uma 80-110 (números bastante favoráveis) quatro vezes por dia durante meses, e voltou um A1C sugerindo uma média acima de 150 (não é desejável em tudo). Presumível que eles estavam indo alta no meio da noite. E eu já ouvi histórias semelhantes de pessoas que provavelmente vão baixo --- muito baixo --- em seu sono.

A lição é:

leituras picada no dedo têm o seu lugar, mas não tente extrapolar-los para vezes não bem amostrados.

Answer 2

Se você quiser fazer apenas um ajuste direto dos dados para facilitar as coisas para ver, em seguida, algo como o que Charlie Martin recomendado provavelmente funcionam bem. No entanto, como observado por dmckee esses dados realmente não qualquer coisa média.

O que você está tentando fazer é realmente mais em linha com pharmacokenetics que é um inteiro estudo científico em si. Neste caso, eu nem tenho certeza que seria inteiramente aplicáveis, exceto no caso de Diabetes Tipo I, como a maioria do que eu sei sobre pharamcokenetics aplica-se apenas estudos de drogas, mas se algo está sendo produzido pelo corpo, então você provavelmente estão olhando totalmente diferentes tipos de análise. Se você está interessado no assunto, então há muito poucas livro previews sobre Google Books se você fizer uma pesquisa para " pharmacokienetics " mas devido à natureza do assunto são muito pesado matemática e assumir que você tem uma compreensão da química e biologia também.

Answer 3

tudo bem, você vai estar à procura de alguma curva ajustada. A única coisa com que é que para n pontos existem polinômios caber até fim ... n-1, eu acho. Faz algum tempo. Yep. pelo amor de Deus, eu estou certo A coisa comum quando você tem muitos pontos e não quer uma função complicada (que você não) é usar um noreferrer mínimos quadrados aproximação .

provavelmente a melhor coisa é procurar uma rotina enlatada você pode usar; estes existem na maioria dos pacotes de estatísticas. Dê-nos um pouco mais detalhadamente sobre o meio ambiente que você quer e que pode ser capaz de apontá-lo mais de perto para algo adequado.

Answer 4

Este é provavelmente não vai trabalho, mas Redes Neurais Artificiais maio, e repito pode ser capaz de obter algo fora de um conjunto bom de dados. Por boa, quero dizer, como semanas ou meses de gravação contínua, e mesmo assim eu não confiaria o conjunto de dados a menos que eu tinha muito boa razão para isso. Eu também não acho que você vai obter dados preditivos fora dele, mas pode depender de como implementá-lo. No geral, se você fosse fazer isso parece ser mais de uma coisa passatempo para ver se ele ainda nem perto, como "oh limpa eu tenho uma rede neural para dentro de X quantidade de precisão". Mais uma vez, devo salientar, não use este em qualquer tipo de situações de produção ou em qualquer lugar onde ele poderia ferir ou matar alguém!