Predicción de parámetros de eventos hiperglucémicos posprandiales en diabetes tipo 2

Reyes Guía, Alejandro Omar (2020) Predicción de parámetros de eventos hiperglucémicos posprandiales en diabetes tipo 2. Maestría thesis, Universidad Autónoma de Nuevo León.

Vista previa

Texto 1080314863.pdf - Versión Aceptada Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Vista previa

Resumen

El tratamiento convencional de la Diabetes Tipo 2 (DT2) consiste en las recomendaciones de dieta, actividad física y medicamentos que el especialista en salud prescribe. Los pacientes tienen un papel importante en el seguimiento de su tratamiento, para mantener su glucosa en el rango sano, deben adherirse a la dieta indicada de carbohidratos para evitar eventos hiperglucémicos que su metabolismo no sea capaz de regular y que eleven aun más los niveles basales de glucosa en la sangre, contribuyendo negativamente al tratamiento asignado. La medicina de precisión propone la aplicación de metodologías cuantitativas para predecir eventos que puedan danar a la salud de los pacientes para tomar medidas antes de que sucedan, evitando así posibles descompensaciones. La predicción se logra a partir del registro de mediciones continuas de glucosa en pacientes con DT2 y una bitácora donde registran la cantidad de carbohidratos ingeridos en cada comida, así como la hora de la ingesta. Cada evento hiperglucémico posprandial es causado por una cantidad de carbohidratos y dichos eventos tienen un comportamiento que puede ser reproducido por una modelo matemático. Mediante algoritmos genéticos se construye un modelo capaz de representar la hiperglucémia posprandial y, posteriormente, se utilizan técnicas de aprendizaje automático de maquina (machine learning) para predecir el nivel máximo de glucosa presente en la hiperglucemia, así como el tiempo en el que se va a presentar después de la ingesta de carbohidratos. Abstract The conventional treatment of Type 2 Diabetes (T2D) consists of a diet, physical activity, and medicial prescriptions by health specialist. The patients have an important role in the follow-up of their treatment. In order to keep their glucose in the healthy range, they must adhere to the indicated diet of carbohydrates to avoid hyperglycemic events that their metabolism is unable to regulate, contributing negatively to the assigned treatment. Precision medicine proposes the application of quantitative methodologies to predict undesired events in order to take action before they occur, thus avoiding possible decompensation patient’s health. Prediction is achieved by recording continuous glucose measurements in T2D patients and a logbook where they record the amount of carbohydrates ingested at each meal, as well as the intake time. Each postprandial hyperglycemic event is caused by an amount of carbohydrates and such events have a behavior that can be reproduced by a mathematical model. Using genetic algorithms, a model capable to represent postprandial hyperglycemia is constructed and, subsequently, machine learning techniques are used to predict the maximum level of glucose present a postprandial hyperglycemic event, as well an estimation of the time in which the maximun level of glucose would be reached, from the moment of the carbohydrate intake.

Actions (login required)

Ver elemento